空间网架结构损伤程度识别的数值模拟与试验研究

空间网架杆件的损伤程度识别是网架结构健康检测中十分重要的环节,对网架结构的安全性和适用性起到决定性作用。在定位损伤杆件的前提下,通过模型试验和数值模拟手段,提出应用瞬态响应动力分析方法对四角锥网架杆件进行损伤程度识别,获得不同损伤程度杆件两端节点的位移时间历程曲线,应用Matlab对该曲线进行拟合分析。结果表明:在不同损伤工况下,损伤杆件两端节点的位移时间历程曲线可以近似拟合成直线,通过对该直线的斜率与杆件损伤程度的分析,分别得到上弦杆件、腹杆、下弦杆件两端节点的位移时间历程直线的斜率值与杆件损伤程度的关系式,通过该关系式可以较准确的识别出四角锥网架杆件的损伤程度。     

基于振动传递率的钢质导管架海洋平台结构损伤识别方法研究

基于振动的结构损伤识别方法在应用过程中会遇到激励信息难以获得、实测模态参数不完备以及对有限元模型的依赖等问题。为此,利用白噪声激励下的结构两点加速度响应构造振动传递率函数,通过主成份分析降低其维数,将结构损伤前、后振动传递率函数幅值的主成份变化量作为结构损伤特征向量,输入BP神经网络进行结构损伤识别,并考虑了不同程度噪声对损伤识别结果的影响。钢质海洋平台结构数值模拟和模型试验结果表明,该方法能识别出结构损伤位置并且具有一定的抗噪声能力。     

移动荷载作用下地下结构损伤识别方法

将超长线状地下结构简化为粘弹性地基上无限长的Timoshenko梁,提出了一种基于小波理论的移动列车荷载作用下地下结构的损伤识别方法。用扭转弹簧的刚度变化模拟地下结构管片的裂缝损伤,以移动列车荷载通过轨道时测点的加速度响应时程为输入,对其进行连续小波变换,通过小波残余力指标识别结构发生损伤的位置。通过数值算例考察了不同程度损伤、多损伤下的损伤识别。同时,研究了损伤形式对损伤识别结果的影响。此外,进行了粘弹性地基上的带法兰铝管模拟的缩尺隧道试验,环与环之间通过螺栓连接,试验结果证明该方法可有效识别不同损伤工况下的结构损伤,验证了该方法的有效性。     

基于深度学习的建筑用短粗拉索索力智能识别

准确识别拉索的索力大小对评估预应力结构的健康状态具有重要意义。频率振动法可以较精确地测量桥梁结构中细长拉索的索力，但对建筑用短粗拉索的索力测量精度较低。为此，对建筑中常用的密闭索及高钒索开展在预应力作用下的动态响应试验，以获取拉索在不同索力下的动态响应数据，基于试验数据提出了可智能识别建筑用拉索索力的深度学习模型。模型以采集的原始频谱数据及拉索各项几何参量为特征输入，采用多通道融合的1D卷积神经网络(CNN)及深度神经网络(DNN)。分析结果表明：训练后的模型在测试集上识别的索力值与实际索力值间的平均绝对误差值仅为5.05%,均方误差值仅为0.35%;在测试集随机的6个取样点上索力值的决定系数为0.985 4,索力误差均小于10%。与已有索力计算实用公式和机器学习算法进行对比，由索力误差百分比及决定系数的评估结果发现所提出的深度学习模型的索力识别精度更高。     

紊流风场中桥梁气动导数识别的随机方法

气动导数是大跨桥梁结构颤振和抖振分析的重要依据。本文提出采用随机系统识别方法来识别紊流风场中的气动导数, 与当前应用较广的瞬态激励法及强迫激励法相比, 这类方法的优势在于: (1) 将紊流看作是激励, 而不是噪声, 更能反映结构实际工作状态下的特性; (2) 识别精度不受风速的制约, 可以获得较高折减风速下的气动导数; (3) 可直接在紊流风场中结构随机响应上进行识别, 无需任何人为外在激励, 试验更为简单易行。在风洞中完成了紊流风场中桥梁节段模型测振试验, 进一步利用本文的方法识别出气动导数。与相关文献提供的类似模型在均匀场和紊流场中识别结果的对比表明: 本文识别的气动导数是可靠的, 所提出的采用随机系统识别方法来识别紊流风场中气动导数的思路是可行的。     

结合光纤布拉格光栅与主成分分析的损伤识别

为了发展长标距光纤布拉格光栅(FBG)应变传感技术,采用主成分分析(PCA)方法剔除长标距FBG应变传感器动态响应数据中的冗余部分,获取重要数据特征,实现对结构损伤的识别。试验过程中,在钢梁表面上粘贴分布式长标距FBG传感器,在翼缘处采用分次切割的方式模拟不同位置和程度的损伤,使用激振设备通过扫频方式使梁振动,测得健康状态和不同损伤状态下FBG应变动态响应数据。使用PCA方法,分析健康状态和损伤状态下T2和Q统计量数据特征的变化,可以较为清楚地识别出结构的损伤情况。将2种统计量分析相结合,可以实现对损伤位置和损伤程度的识别。     

基于PZT波传播法混凝土结构损伤识别的数值模拟

为了有效利用压电陶瓷传感器进行混凝土结构局部损伤、缺陷的精细识别,并为相关试验提供理论指导,对基于压电陶瓷片(PZT)波传播法进行混凝土结构损伤识别的方法进行了数值模拟.首先分析了PZT波传播法的基本原理,并提出了基于大型有限元分析软件ANSYS的多物理场耦合分析的PZT波传播法的数值模拟方法.然后,针对表面粘贴PZT激励器/传感器并预设裂缝、孔洞损伤的混凝土梁式构件,建立了3D精细化有限元模型,分析了PZT激励器在不同激励电压幅值与频率下激发的应力波幅值衰减程度、传播时间等与混凝土梁损伤类型与程度之间的关系.结果表明:激励电压只影响波传播的幅值,且与之成正比关系;波传播能量的损耗程度与结构损伤程度成正比;激励频率对波的传播时间和能量损耗有较大的影响.根据研究数值模拟结果可建立波传播的特征值与结构损伤形式之间的初步关系,为下一步试验研究工作提供了理论指导,同时也证实了利用大型有限元分析软件对基于PZT的波传播法进行混凝土结构损伤识别的数值模拟是可行的.     

卷积神经网络在结构损伤诊断中的应用

对卷积神经网络(CNN)在工程结构损伤诊断中的应用进行了深入探讨; 以多层框架结构节点损伤位置的识别问题为研究对象,构建了可以直接从结构动力反应信号中进行学习并完成分类诊断的基于原始信号和傅里叶频域信息的一维卷积神经网络模型和基于小波变换数据的二维卷积神经网络模型; 从输入数据样本类别、训练时间、预测准确率、浅层与深层卷积神经网络以及不同损伤程度的影响等多方面进行了研究。结果表明:卷积神经网络能从结构动力反应信息中有效提取结构的损伤特征,且具有很高的识别精度; 相比直接用加速度反应样本,使用傅里叶变换后的频域数据作为训练样本能使CNN的收敛速度更快、更稳定,并且深层CNN的性能要好于浅层CNN; 将卷积神经网络用于工程结构损伤诊断具有可行性,特别是在大数据处理和解决复杂问题能力方面与其他传统诊断方法相比有很大优势,应用前景广阔。     

基于随机子空间的桥梁损伤识别

把基于随机子空间算法的模态参数识别引入到梁桥结构损伤识别中.在环境激励下测试结构完好状态和损伤状态的时程响应,建立离散空间时间状态方程,运用随机子空间方法识别出结构的系统矩阵和属性矩阵,识别结构两种状态下的模态参数,由模态参数构建损伤动力指纹,从而识别桥梁结构的损伤位置和损伤程度.     

基于WVD交叉项统计特征的桅杆结构损伤识别

提出了利用Wigner Ville分布交叉项统计量相对变化量识别桅杆结构损伤的方法,以涪陵导航桅杆为对象进行了数值分析和试验研究。数值分析表明,利用测点损伤识别指标WCS的相对变化量,除对不同位置、不同程度的杆身局部损伤比较敏感外,对不同类型的局部损伤也能给予准确的识别。通过适当提高纤绳的初应力,可以提高损伤识别的精确度和指标对损伤的敏感程度。损伤识别试验实现了模拟损伤程度的定量,试验数据分析表明,指标WCS能有效地识别出桅杆结构不同程度的局部损伤,损伤识别所揭示的规律与数值分析的规律一致。     

基于传递率函数的结构损伤识别研究

基于动力特性的结构损伤识别方法通常需要已知激励信息,而激励信息一般难以准确测得。为此,直接对加速度响应进行傅里叶变换并计算相邻两点的传递率函数,利用传递率函数构造相应的损伤指标,通过该指标来识别结构的损伤位置,这种方法不需要已知激励信息,不需要进行模态分析。海洋平台结构的数值模拟和振动台试验表明,该方法是可行的,且具有一定的抗噪声能力。     

基于多标签卷积神经网络的结构损伤识别

准确识别结构多位置损伤一直是结构损伤识别的难题。为提升结构多位置损伤识别的准确率,提出一种基于卷积神经网络(CNN)的多标签分类(MLC)方法(CNN-MLC)进行结构损伤识别。该方法将结构多个位置损伤识别转换为多标签分类问题,每个损伤位置均用一个对应的标签表示;利用CNN强大的特征提取能力,深入挖掘不同损伤工况之间公共损伤位置的相关性,实现结构多位置损伤识别。通过四层框架结构和一座铁路连续梁桥多位置损伤识别验证了CNN-MLC方法的识别准确率,并将其识别结果与基于CNN的多类别分类(MCC)方法(CNN-MCC)和基于示例差异化算法(InsDif)的多标签分类方法(InsDif-MLC)进行了对比。结果表明：框架结构在两位置和三位置损伤工况下,CNN-MLC方法比CNN-MCC方法的识别准确率分别提升2.50%和9.64%,比InsDif-MLC方法识别准确率提升17.50%和29.28%;对于铁路连续梁桥的两位置损伤和三位置损伤,CNN-MLC方法比CNN-MCC方法识别准确率提升1.63%和6.85%,比InsDif-MLC方法识别准确率提升4.18%和18.49%;随着损伤位置...     

单层网壳损伤识别理论与试验研究

结构损伤识别可以归结为结构损伤参数的模式识别问题.对结构响应信号进行小波包分解可以获得各频带的信号能量,将此特征向量作为输入,利用支持向量机强大的模式分类功能,可以实现结构的损伤识别.在环境振动下,对1/10比例的单层网壳模型进行损伤识别试验,将不同的杆件沿径向进行相应程度的截面切割用以模拟不同程度的损伤状态.对不同损伤情况的加速度样本进行三层小波包分解,以相应频带的信号能量作为输入建立支持向量机,利用支持向量机对未训练样本的信号能量进行损伤分类.试验结果表明该方法简便准确,验证了小波包和支持向量机方法用于损失识别的有效性.     

小波分析与神经网络在结构多处损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解,根据各种响应信号对损伤的灵敏度选择损伤特征,从而识别结构多次出现损伤的时刻,实现对结构损伤时刻的监控;对结构第1层加速度响应信号做小波包分解,得到各频段能量的特征向量,作为特征参数输入到BP神经网络中实现结构多处损伤位置和程度识别。模拟算例表明,小波分析和BP神经网络联合运用能准确地诊断结构多处损伤的时刻、位置和程度,具有一定的可行性。     

一种结构损伤指数的研究

阐述了一种新型结构损伤指数,该指数通过计算白噪声激励下结构响应的相关函数得到。在本文中,采用钢框架模型,通过计算其位移响应的相关函数来计算损伤指数。在底层柱设置损伤,考虑四种损伤情况,计算并绘制损伤指数变化率与损伤程度的关系曲线。数值模拟结果显示,该指数变化率随损伤程度单调变化,对小损伤敏感,具有一定的损伤判定与标定潜力。     

新型大跨度空间结构损伤动力特性数值研究

以新型空间结构为研究对象,建立了ANSYS有限元模型,对结构的模态频率、模态振型、单频激励响应及白噪声激励下的结构响应进行了较为全面的研究.研究发现:虽然损伤对结构模态频率并不敏感,但振型对损伤却有着相当高的敏感程度;同时对结构的谐响应分析和三维白噪声激励分析发现:损伤不仅仅会对已参与结构振动的模态振型产生影响,同时还会导致产生新生的模态参与到结构的振动中及消亡部分已参与到结构振动中的模态,损伤还会造成结构模态的跃迁等现象.诸多的损伤对空间结构在动力特性方面造成的影响都为其损伤识别提供了全新的参考信息和全新的思路.     

共扼梯度法对简支梁桥的损伤识别研究

将正弦激励移动荷载作用于简支梁桥上,根据所得位移响应,将共扼梯度法和遗传算法相结合,对简支梁桥的损伤进行识别。结构损伤识别属于逆问题求解,文中利用共轭梯度法进行结构损伤程度评估。单一损伤时,任意假定初始损伤值,通过迭代,修正刚度参数模型,得到与实际损伤程度接近的参数值,识别效果较好。当损伤单元较多时,结合遗传算法,由该算法得到的参数值,作为共轭梯度方法的初始值,迭代实现对损伤程度的识别。为更好地模拟实际的情况,将噪音引入,检验该混合方法对噪音的抗干扰能力。     

基于D-S证据理论的动静态指标融合的结构损伤识别方法研究

针对大型土木结构健康监测系统,为了提高结构损伤识别的正确率,提出了一种基于D-S证据理论的动静态指标融合的结构损伤识别方法。根据结构静态测试和动态测试得到的响应,分别构造用于结构损伤识别的静态指标和动态指标,然后将二者在基于D-S证据理论基础上进行数据融合,最后对结构的损伤作出识别。新方法充分融合了静态响应和动态响应中包含的结构损伤信息,具有抗干扰能力强、识别精度高等优点,较之单独使用静态和动态信息进行损伤识别更具优势。为了验证文中所提方法的有效性和可行性,对一个简支梁进行单损伤和多损伤模拟研究,同时考虑环境噪声影响,并与单一指标识别结果进行对比,结果表明所提方法有效且识别精度较高。     

基于动响应数据特征的桥梁结构损伤识别

介绍了本征正交分解(Proper Orthogonal Decomposition, POD)的基本原理,探讨了POD在桥梁结构损伤识别中的应用。提出了基于动响应数据特征的桥梁结构损伤识别方法,该识别方法基于POD技术对桥梁结构在不同位置、不同时刻收集到的位移快照矩阵(Snapshot Matrix)进行本征正交分解,得到结构的本征正交模态(POMs),进而构造出损伤指标来识别结构的损伤位置及程度,实现了对桥梁结构损伤的多工况识别。并以保定黄花沟桥为例,通过数值模拟试验,验证了该方法的有效性,结果表明POD能够从空心板桥结构的振动响应数据中提取出结构的本质特征,并且提取过程简单、快捷,可为桥梁结构提供一种有效的损伤识别方法。     

基于单元相对刚度系数的结构损伤识别研究

提出了一种基于单元相对刚度的结构损伤识别方法。该方法以结构刚度变化率为损伤指标,定义结构的相对刚度系数,利用特征方程,通过矩阵变换得到结构损伤指标的相对刚度系数表达式,采用快速傅里叶FFT与贝叶斯相结合的方法(Fast Bayesian FFT)识别结构的模态参数,计算相对刚度系数,进而得到结构的损伤指标,便同时得到结构的损伤程度和损伤位置。利用Simulink模拟结构响应,识别结构模态参数,计算损伤指标判断结构损伤。结果表明,基于单元相对刚度系数的方法能利用较少的模态参数,实现单损伤和多损伤的定位和损伤程度识别,具有一定的抗噪能力,且精度较高。