实测模态和结构模型同步修正的结构损伤识别方法

在基于灵敏度分析的有限元模型修正方法基础上,提出一种对实测模态和结构模型同步修正的结构损伤识别方法。即利用有损结构模态与测量噪声在时频域内的差异,以结构有限元模型为基准,对实测模态差进行小波去噪处理,再利用修正后的模态构造目标函数,进行有限元模型修正,经过迭代计算最终可识别结构的损伤。数值算例表明该方法可有效降低噪声的影响,提高损伤识别的精度。     

改进的正则化模型修正方法在结构损伤识别中的应用

基于灵敏度分析的有限元模型修正方法与Tikhonov 正则化方法相结合,可以有效抑制实测模态参数中噪声的影响,正确识别结构损伤,但也存在着识别结果过度光滑的缺陷。通过在Tikhonov 罚函数项中引入光滑函数,改善Tikhonov 正则化方法对非光滑解的描述能力,在保持识别算法鲁棒性的同时,提高模型修正方法对于结构损伤的识别精度。以简支梁模型为例的损伤识别数值模拟表明,该文方法不仅能扩大正则化参数的可选择范围,还能显著降低噪声对识别结果的干扰,提高单元损伤程度的识别精度。     

动态载荷时域识别的联合去噪修正和正则化预优迭代方法

系统响应可表示为单位脉冲响应函数与激励载荷的卷积,将其离散化一组线性方程组,则载荷识别问题即转化为求解线性方程组的反问题。针对响应中带有噪音时载荷识别的困难,提出了联合奇异熵去噪修正和正则化预优的共轭梯度迭代识别方法。一方面对含噪信号进行基于奇异熵的去噪处理,提高反问题求解中输入数据的精度。另一方面利用正则化方法对共轭梯度迭代算法进行预优,改善反问题的非适定性。由于从输入的响应数据去噪和正则化算法两方面同时改善动态载荷识别反问题的求解,因此可以有效地抑制噪声,提高识别精度。通过数值算例分析,表明在不同的噪声水平干扰下,其识别精度均优于常规的正则化方法,能够实现有效稳定地识别动态载荷。最后通过实验研究进一步验证了该方法的正确性和有效性。     

基于蚁狮优化算法与迹稀疏正则化的结构损伤识别

针对基于群智能结构损伤识别既有方法的识别精度和抗噪鲁棒性不足问题,提出基于蚁狮优化算法与迹稀疏正则化的方法求解结构损伤识别问题。将结构损伤识别逆问题转化为数学中的约束优化问题,并根据模型修正原理利用结构模态参数定义优化问题的目标函数;在目标函数中引入迹稀疏约束;通过不同损伤工况下简支梁损伤识别数值模拟以及钢管简支梁实验验证方法的有效性。结果表明,基于蚁狮优化算法与迹稀疏正则化的结构损伤识别法能有效修正有限元模型,在不同噪声水平和损伤工况下不仅能准确定位损伤位置,且能精确识别损伤程度;该方法为结构损伤的现场识别提供了可能性。     

基于模态柔度矩阵的结构损伤识别

基于模型修正技术的结构损伤识别方法,无需事先知晓结构的损伤位置,比仪器直接探测更具优势。模型修正大多以模态频率和振型为修正目标。然而,结构损伤对系统的模态频率和振型影响较小,采用模态频率和振型为目标的传统修正方法,难以识别出结构的损伤。为此,引入对结构损伤极为灵敏的模态柔度矩阵,研究以模态柔度矩阵为目标函数的损伤识别方法。选取某带孔的矩形长铁片为研究对象,沿其纵向等分为31块,计算模态柔度矩阵关于各等效模量相对量的灵敏度。结合灵敏度矩阵,利用实测和有限元模型间的柔度矩阵残差建立目标函数,并引入正则化方法求解目标函数的超定方程组。经过9次迭代目标函数收敛,损伤识别结果与实际值保持高度一致,从而验证该方法的正确性和实用性。     

基于模型修正的钢管焊接结构焊缝损伤识别

摘要：本文提出了一种基于模型修正的钢管焊接结构焊缝损伤识别方法。利用从发射台骨架试验模型获取的模态参数,选择识别结果中精度较好的模态频率作为模型修正的基准频率。通过对待修正参数的灵敏度分析,运用ANSYS和MATLAB软件对有限元模型进行了修正。以实测模态和计算模态之间的误差建立一个带约束边界非线性最小二乘目标函数,将损伤识别问题转化为优化问题,并采用信赖域方法求解该优化问题。以有限元模型焊接结点单元组弹性模量的降低模拟焊缝损伤,并假定了两种损伤工况,通过对发射台骨架模型的数值仿真及试验研究,结果表明本文提出的损伤识别方法识别效果较为理想,为解决这种复杂焊接结构焊缝损伤识别问题提供了新的思路。     

基于Tikhonov正则化迭代求解的结构损伤识别方法

求解以结构物理与模态信息所构成的线性方程组,而获得结构的损伤位置和损伤程度,是进行结构损伤检测的一种常用做法。然而,在噪声影响下,其求解往往会出现振荡发散的情况,导致损伤检测结果不准确。Tikhonov正则化方法广泛应用于噪声条件下的线性系统求解,该方法执行的关键是选择合理的正则化矩阵及正则化参数。提出了一种迭代化的Tikhonov正则化方法,通过迭代的方式重构正则化矩阵,在充分抑制噪声的同时,保留了真实的损伤信息。同时,提出了奇异值二分法,自适应地调整正则化参数,避免了传统"L-曲线"方法选取正则化参数时需要进行大量试算等诸多问题。选取一海洋平台结构对提出方法的有效性进行验证,并与传统Tikhonov正则化方法进行对比,结果表明:提出的迭代型Tikhonov正则化方法具有更好的损伤识别结果。     

基于Kriging模型和分层模型修正技术的结构边界条件识别

为得到能够准确反映结构装配关系的有限元模型边界条件，结合Kriging模型和分层模型修正技术，提出了一种结构边界条件识别方法。为削弱材料参数误差对边界条件识别的影响和改善修正不适定，利用实测自由模态频率，修正有限元模型的材料参数；以修正后的模型为基础进行边界条件识别，通过灵敏度分析确定模型的待修正边界参数，采用拉丁超立方抽样(Latin hypercube sampling, LHS)进行试验设计，并以实测约束模态频率与Kriging模型预测频率的差值最小为目标函数，利用粒子群算法求解最优参数。某包装机械摇臂连杆结构的试验结果表明，与传统的边界条件识别方法相比，所提方法具有较好的识别效果，识别得到的边界参数、结构响应等与实际结构具有较好的一致性。     

基于灵敏度分析和不同数据融合的损伤识别方法

提出了一种基于灵敏度分析和不同数据融合的有限元模型识别法,对结构的局部损伤进行识别。在正问题研究中,将结构的局部损伤模拟为结构单元杨氏模量的减少。在反问题中,通过建立实测数据与计算数据的残差为目标方程,引入灵敏度分析与正则化技术,将非线性方程转化为线性方程,进而通过迭代法进行求解。在实际工程中,往往会获得许多不同类型的数据,如模态、频响函数、静力位移数据,不同的数据其相应的灵敏度分析是不同的。假如只单独采用某一种数据,数据量过少且受到结构模型误差的影响会较大,通过数据的加权和融合使得目标方程含有尽可能多的实测信息。最后,通过框架和板两个数值算例表明,该方法能有效识别结构的局部损伤,且具有识别精度高,对模拟的测量噪声不大敏感的优点。     

基于人工鱼群算法的结构模型修正与损伤检测

提出结构模型修正结构损伤检测的人工鱼群算法。将结构模型修正与结构损伤检测结构动力学逆问题转化为约束优化数学问题,并尝试用人工鱼群算法求解。介绍人工鱼群算法基本原理,定义关键参数并描述觅食、聚群、追尾及随机等行为;据模型修正原理利用结构损伤前后模态特性数据定义优化问题目标函数;通过两层刚架不同损伤工况数值仿真、三层框架试验数据验证方法的有效性。结果表明,基于人工鱼群算法的结构模型修正与损伤检测方法能有效修正结构有限元模型,在不同噪声水平及各种结构损伤工况下不仅能准确定位结构损伤且能精确识别损伤程度。     

基于模态柔度的有限元模型修正方法

以各阶模态柔度矩阵中各元素相对变化作为指标,提出了基于模态柔度灵敏度解析表达式的有限元模型修正方法,推导了模态柔度灵敏度解析表达式,结构严谨,编程方便。以一平面简支梁为例,考虑运用不同的模态阶数、测点自由度及测试误差,利用Tikhonov正则化方法进行模型修正,通过多次模拟计算,分析了相关因素对模型修正结果的影响。实例计算表明,当噪声较小时,修正效果很好,但随着测试噪声水平的增加,修正结果稳定性变得相对较差;利用较高阶模态修正结果比利用较低阶模态修正后结果要好;同时测试自由度不完整性也是模型修正结果的不利因素。     

基于统计模型的结构损伤识别

提出了一种基于递推随机有限元方法(RSFEM)的随机结构损伤识别方法。在定义了随机损伤指数概念的基础上,考虑模型误差的不确定性和测量噪声的影响,建立了关于随机损伤指数的控制方程。然后,利用RSFEM得到了结构随机损伤指数的统计特性。数值算例的结果显示,新的方法能在考虑模型误差和测量噪声的情况下对结构损伤进行有效识别,且在结构随机参数有较大涨落情况下,该方法仍能有效识别出结构损伤,识别结果与蒙特卡洛模拟解非常吻合。     

基于小波有限元法的连续梁移动荷载识别

将待识别车载简化为移动荷载投影到小波空间;车载所作用的连续梁模型以小波尺度函数为插值函数,以小波有限元法为建模方法,并通过单元转换矩阵实现了小波空间向物理空间的变换;采用部分加速度信号作为测得动响应数据,据此积分求出速度与位移响应并用于识别移动荷载。识别方法则借助了动态规划法与正则化法,避免了时程分析中的振荡现象。仿真算例验证了小波有限元用于连续梁模型移动荷载识别的可行性,且单元数较少;识别过程中所用一阶Tikhonov正则化法具有平滑去噪能力。     

基于模态应变能和小波变换的结构损伤识别研究

针对单一方法对结构同时发生多处不同程度损伤识别的不敏感性缺陷,本文结合小波变换在时域、频域内表征信号局部特性且能够聚焦到信号或函数的任意细节进行处理的能力,提出了一种基于单元模态应变能和小波变换的结构损伤识别方法。在单元模态应变能基础上,利用小波变换系数的变化和分布情况构建单元模态应变能小波变换结构损伤指标,通过对简支梁的数值模拟和斜拉桥模型试验研究的结果与单元模态应变能平均变化率作为损伤识别指标的计算结果进行对比,结果表明该方法能有效确定结构同时发生多处不同程度损伤的位置和估计损伤程度,为实际工程应用奠定了基础。     

Damage assessment on plate-like structures using a global-local optimization approach

A new method for finite element model updating using simulated data is presented. A global-local optimization (GLO) approach was adopted to adjust the uncertain properties of the FE model by minimizing iteratively the differences between the measured dynamic modal parameters and the corresponding analytical predictions. In contrast with most of the existing updating techniques, which minimize modal force errors, objective functions based on Coordinate Modal Assurance Criterion (COMAC) and Frequency Response Assurance Criterion (FRAC) were employed. The GLO procedure was employed to minimize the norm of these vectors by updating the physical model variables (thickness, Young modulus, etc.). The proposed model updating procedure was applied to damage localization and quantification of structures, whose damage characteristics can be represented by a reduction of the element bending and axial stiffness. Results showed that a significant reduction in terms of computer run-time and improved damage assessment can be achieved. The procedure is illustrated on a plate-like structure by measuring dynamic properties before and after structural changes for four different damage cases.     

运用小波分析方法进行结构模态参数识别

结构的模态参数反映了结构自身特性，是基于动态特性的结构损伤识别和健康评估的重要因子。本文首先介绍了环境激励下基于小波分析的模态参数识别方法，针对土木工程结构的前几阶自振频率处于低频区域以及环境激励下结构响应信号信噪比很低的特点，着重论述了采用小波方法抑制原始测量信号中的高频成分（即噪音），从而突出结构低频特性的降噪处理方法的基本原理。通过比较传统傅里叶变换、短时傅里叶变换和小波变换三种方法对一实际高层建筑结构现场测试信号的处理结果以及有限元分析结果，认为小波分析方法可以更精确、更有效地识别工程结构的模态参数。     

An improved perturbation method for stochastic finite element model updating

In this paper, an improved perturbation method is developed for the statistical identification of structural parameters by using the measured modal parameters with randomness. On the basis of the first‐order perturbation method and sensitivity‐based finite element (FE) model updating, two recursive systems of equations are derived for estimating the first two moments of random structural parameters from the statistics of the measured modal parameters. Regularization technique is introduced to alleviate the ill‐conditioning in solving the equations. The numerical studies of stochastic FE model updating of a truss bridge are presented to verify the improved perturbation method under three different types of uncertainties, namely natural randomness, measurement noise, and the combination of the two. The results obtained using the perturbation method are in good agreement with, although less accurate than, those obtained using the Monte Carlo simulation (MCS) method. It is also revealed that neglecting the correlation of the measured modal parameters may result in an unreliable estimation of the covariance matrix of updating parameters. The statistically updated FE model enables structural design and analysis, damage detection, condition assessment, and evaluation in the framework of probability and statistics. Copyright © 2007 John Wiley & Sons, Ltd.