基于子结构虚拟变形的损伤识别方法

针对大型土木结构损伤识别优化效率低的问题,提出了子结构虚拟变形方法。虚拟变形方法是一种结构快速重分析的方法,该方法利用单元的虚拟变形模拟结构的损伤,可以在不重新建立有限元模型的情况下,快速计算出结构参数改变后的结构响应。该文基于虚拟变形法的基本思想,对子结构的刚度矩阵进行分解和对损伤后结构运动方程进行整理,推导出利用子结构的虚拟变形刻画损伤的方法,扩展了虚拟变形方法的适用范围;并且给出了虚拟变形和结构响应的相关性计算公式,通过相关性分析提取主要的虚拟变形,减少参与计算的子结构虚拟变形的数目,提高计算效率;最后利用一个五十层框架的数值仿真验证方法的有效性。     

结构损伤与荷载的快速同步识别方法研究

本文仅以损伤因子为优化变量,提出一种结构损伤和荷载同步识别的方法。首先通过时域荷载识别的方法将未知荷载转化为损伤因子的函数,将近似荷载作用下的结构响应和实测响应的平方距离作为目标函数,从而降低了需要识别未知参数的数目;然后在目标函数的计算过程中,利用虚拟变形法（VDM）可进行结构快速重分析的思想,快速构造给定损伤因子下系统的脉冲响应,避免每步迭代重新集装系统矩阵,并通过荷载形函数方法进一步提高荷载识别的效率;最后利用二次多项式插值近似结构每个时刻的响应方法和推导对应目标函数的梯度表达式来提高优化搜索的速度。本文利用刚架模型进行数值模拟,准确识别了结构中柱子单元刚度损伤、附加质量以及梁上的未知移动荷载,并通过一个悬臂梁试验进一步验证所提出方法的准确性和可行性。     

一种改进的基于频率测量的结构损伤识别方法

基于频率测量的结构损伤识别方法具有测试简便,精度较好的优点.在分析结构固有频率用于结构损伤识别的机理的基础上,对一种较好的基于频率的结构损伤识别方法进行了综合评述,并对针对其不足进行了改进.钢筋混凝土三跨连续梁的数值模拟计算表明,中低损伤度的识别结果令人满意.经过改进的方法计算简单,综合识别能力较强,便于工程应用.     

基于移动质量-频率曲线的结构损伤识别方法

针对土木工程中结构实测得到的模态信息少,结构损伤识别方法对噪声敏感且依赖高精确度有限元模型等问题,提出利用移动质量-频率曲线识别结构损伤的方法。首先,在结构上附加移动质量块,获得结构频率关于附加质量位置的关系曲线;然后,建立结构近似有限元模型,通过计算实际模型与近似有限元模型之间的质量-频率曲线的相关性,建立目标函数进行优化;最后,利用变截面简支梁结构进行数值模拟。结果表明:在模型存在较大误差情况下,该方法仍能够准确识别损伤位置,验证其具有较高的适用性。     

基于动力检测的损伤指标评价方法

摘 要：在基于振动测试的损伤识别方法中,如何选择合适的损伤指标是一个值得研究的问题,但目前损伤指标繁多,而且缺乏一个对损伤指标进行系统评价的方法。本文提出了采用损伤指标对刚度变化的灵敏度,对噪声的适应性,通过不完备信息进行正确识别的能力和对损伤位置精确指示的能力即局部性四个指标对损伤指标进行评价的方法,并给出了这四个指标量化公式,较全面地反应了损伤检测和监测在应用中遇到的各种问题,指导了损伤识别指标的选择。通过对简支梁的数值模拟研究显示这种损伤指标评价方法作为一种先验方法得出的结论与对每种损伤指标进行损伤识别得到的结论一致,说明这种评价方法的可靠性。本文提出的损伤指标的评价方法,考虑了实际中的各种主要因素,通过对损伤指标的四个特性的定量刻画使评价变得十分直观有效,对实际工程结构健康监测系统中损伤识别方法的选择具有重要的指导意义。     

基于加速度响应相关性的结构损伤识别方法

通过推导证明了加速度响应的相关特性包含结构的模态信息,与结构损伤的程度和位置相关,提出加速度响应相关特性作为结构损伤因子的损伤识别方法,以该指标作为BP神经网络神经元,判断结构的损伤程度和损伤位置。利用有限元分析证明了该方法的有效性,通过试验研究验证了该方法的适用性。     

基于单元残余能量灵敏度的结构损伤识别

在定义单元残余能量基础上进行单元残余能量的灵敏度分析,提出基于单元残余能量灵敏度分析的结构损伤识别方法,建立结构损伤识别方程组。通过解方程,求得损伤系数向量,便可同时识别结构的损伤位置及损伤程度。仿真结果表明,本文提出的方法对各损伤工况不但能准确定位,而且能有效识别出损伤程度,识别精度较高。     

基于人工神经网络的结构损伤识别方法

根据观测的结构频率变化,建立了基于人工神经网络的悬臂梁结构损伤识别方法.把结构固有频率的变化率作为BP神经网络的输入参数,对悬臂梁结构模型进行了损伤数值模拟计算.为了提高神经网络的泛化推广能力和收敛速度,将BFGS优化方法应用到神经网络的训练过程中.数值计算结果表明,所建立的结构损伤识别方法具有收敛速度快、识别精度高等特性.     

基于子结构能量的点阵结构损伤诊断方法研究

提出了二阶子结构能量法以检测点阵结构损伤,称为SOSEM (second order substructure energy method)。对于复杂点阵板,在已知损伤位置条件下,该方法只需结构中存在“缺陷”构件的模态信息,就可以准确地得到构件损伤程度,而传统基于模态分析的方法必需整体结构完全的模态信息,新方法提高了检测效率,对实现快速（实时）点阵结构损伤检测具有重要的应用价值。为了验证本文方法的有效性,以点阵板为例,采用数值方法分析了几种典型损伤情况,结果表明,该方法能够准确地检测出点阵结构中一个或多个单元的损伤。     

基于损伤因子的板架结构损伤识别方法研究

用基于损伤因子的损伤识别方法对板架结构损伤进行识别。先将板架结构简化为多个板的组合;基于损伤前后模态振型从应变能角度推导损伤因子的表达式,用通用有限元软件ANSYS计算两种损伤工况下损伤前后的模态振型,再用B样条法拟合损伤因子曲面从而对损伤的位置进行识别。最后用实验验证了该方法。该方法对于识别板架结构的单个损伤具有较好的可靠性,并可以为识别多损伤位置提供较好的方法指导。     

结合近似贝叶斯计算和改进群体蒙特卡洛抽样的结构损伤识别

为避免陷入低概率区抽样并提高抽样效率,改进了群体蒙特卡洛(PMC)抽样算法,再结合近似贝叶斯计算(ABC)和随机响应面(SRS)提出一种概率损伤识别方法。首先将ABC和改进PMC算法进行嵌套,利用每个迭代步的样本方差来搅动粒子群和求取自适应权重系数,再构造衡量仿真和实测样本间相似度的误差函数,用于替代似然函数;然后使用SRS建立结构随机响应的显式表达式,大幅提高响应统计特征值的计算效率;最后将求得的参数后验概率分布统计特征值作为损伤指标,根据损伤前后指标值的变化来判断损伤位置和程度。对试验钢筋混凝土梁的单、多工况损伤进行了识别,验证了所提出方法在保证参数后验分布估计精度的条件下,可以有效提高贝叶斯推断过程的计算效率。     

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。     

Structural damage identification using an enhanced thermal exchange optimization algorithm

The recently developed optimization algorithm—the so-called thermal exchange optimization (TEO) algorithm—is enhanced and applied to a damage detection problem. An offline parameter tuning approach is utilized to set the internal parameters of the TEO, resulting in the enhanced heat transfer optimization (ETEO) algorithm. The damage detection problem is defined as an inverse problem, and ETEO is applied to a wide range of structures. Several scenarios with noise and noise-free modal data are tested and the locations and extents of damages are identified with good accuracy.     

Structural damage identification using transfer matrix with lumped crack properties

A novel damage detection scheme is developed for detecting multiple cracks in beams, based on a transfer matrix (TM) approach. Lumped Crack TM of a beam element with multiple cracks is derived based on lumped crack properties. A cracked beam element is assumed as two intact beam elements connected with a hinge or torsional spring. The crack is modelled as an element of zero length and mass, but with elastic properties. Lumped crack approach is simpler for multiple cracks than the possible alternative methods. The state vector at a node includes displacements, forces and moments at that node; when it is multiplied with TM the state vector at the adjacent node can be obtained. The crack identification strategy used here, involves measuring the initial state vector at a node, in the zone of interest. The displacements at the adjacent nodes are measured and these are predicted using TM. Using an optimization algorithm the unknown crack parameters in the TM are solved by minimizing the deviation between measured and predicted displacements. The method is verified using several numerical models as well as experiments with cracked beams. The TM is shown to be suitable for local identification and also fast and accurate compare to other methods.     

输入未知条件下基于自适应广义卡尔曼滤波的结构损伤识别

发展一种输入未知条件下的自适应广义卡尔曼滤波(Adaptive Extended Kalman Filter with Unknown Inputs,AEKF-UI)方法,在线复合反演系统参数与未知输入,结合基于改进粒子群优化算法的自适应技术实现系统时变参数追踪,进而识别结构损伤,包括损伤发生的时间、位置和程度。建立基础隔震结构实验模型及理论模型,其中隔震层的非线性动力学特性通过Bouc-Wen模型描述。对基础隔震结构进行振动实验研究,采用刚度元件装置模拟时间、位置和程度不同的结构损伤,基于测得的加速度响应和AEKF-UI方法进行实时系统参数与未知输入的同步反演。研究结果表明:在两种典型地震波激励下,AEKF-UI方法得到的识别值与参考值相一致,验证了该方法在系统辨识中的有效性和准确性。     

利用模态应变能变化率的结构损伤识别优化方法

针对结构损伤识别过程中存在的定位精度和量化分析不足的问题,提出一种基于结构振动响应的模态应变能变化率与优化技术相结合的损伤识别方法。利用两步法确定可疑损伤单元及对其损伤程度进行量化分析。通过有限元法建立结构的损伤特征模型,且利用单元模态应变能变化率指标构建损伤指标优化分析的目标函数。数值分析过程中,利用粒子群优化算法与遗传算法对设计变量进行优化分析。同时比较模态应变能变化率与小波分析两种方法下的损伤定位的量化分析效果和识别效率。在实际算例中,利用梁结构进行损伤识别优化方法的结果验证。结果证明该方法能够显著提高结构振动损伤和定位的有效性。该方法不仅能够快速和精准地进行结构损伤量化分析,比小波方法具有更好的定位效果,而且能够提高量化分析的识别效率。但该方法在实施过程中的定位精度容易受到噪声的影响,通过优化目标函数可在一定程度上提高该结构损伤识别方法的抗噪能力。     

Model-based identification of damage from sparse sensor measurements using Neumann series expansion

This paper presents a novel and effective modal data-based methodology for structural damage localization and quantification when the structure is equipped with a limited number of sensors. Damage detection problem is defined as an inverse model-based problem and a new damage-sensitive cost function is introduced using calculated Generalised Flexibility Matrix and Modal Assurance Criterion. The second-order approximation of Neumann Series Expansion-based Model Reduction approach is employed for numerically simulation of sparse sensor installation. Finally, a hybrid version of two different evolutionary optimization algorithms, named Particle Swarm Optimization–Colonial Competitive Algorithm (PSO–CCA), is suggested and utilized for solving optimization problem. This hybridization, not only can pick the positive points of the PSO and CCA for searching complex solution domain, but also can lead to achieving a powerful, fast speed optimization strategy. The efficiency of the presented method is demonstrated by studying three numerical examples under different damage patterns. Various challenges, such as the robustness of the method in the presence of random noises in the input data, are investigated. The obtained results introduce the presented method as a viable and practical strategy for structural damage identification, especially when a limited number of sensors are installed on the structure.     

Structural damage identification based on modified Artificial Bee Colony algorithm using modal data

A method for structural damage identification based on a modified Artificial Bee Colony algorithm is presented. A new formula is introduced to the onlooker bee phase to improve the convergence rate and the Tournament Selection Strategy is adopted instead of roulette to enhance global search ability of the algorithm. Test functions are introduced as benchmarks to verify the proposed algorithm. And then two numerical examples, including a supported beam and a plate, are conducted to investigate the efficiency and correctness of the proposed method. Final estimated results show that the present technique can produce more accurate damage identification results, comparing with other evolutionary algorithms, even with a few noise contaminated measurements.     

基于VMD-SSI的结构模态参数识别

将变分模态分解(VMD)和随机子空间法(SSI)结合,提出了基于VMD-SSI的结构模态参数识别新方法。针对VMD中的模态分层数K值确定困难的问题,提出模态重复比率准则,保证了模态信息的有效分解。依据模态重复比准则确定测量信号的最优分层数K;利用VMD方法进行信号并行分解,用奇异值分解(SVD)去噪,以提高模态参数的识别精度。用该研究提出的VMD-SSI方法识别模态固有频率和阻尼,用VMD方法辨识模态振型,将VMD-SSI法应用于外伸梁模型的模态参数识别,并利用统计理论分别检验识别的模态频率、模态阻尼和模态振型的精度。结果表明, VMD-SSI法识别模态参数的精度高于传统SSI法。     

结构物理参数识别的贝叶斯估计马尔可夫蒙特卡罗方法

从结构动力特征方程出发,以结构主模态参数为观测量,推得结构物理参数线性回归模型。对该模型应用贝叶斯估计理论得到物理参数后验联合分布,再结合马尔可夫蒙特卡罗抽样方法给出各个物理参数的边缘概率分布和最优估计值,而提出了基于结构主模态参数的结构物理参数识别贝叶斯估计马尔可夫蒙特卡罗方法。对五层剪切型结构的数值研究表明,此方法能够利用少数主模态参数给出结构质量和刚度参数的概率分布和最优识别值,而且在主模态参数较准确时识别误差很小。