基于频响函数和遗传算法的结构损伤识别研究

提出一种基于频响函数和遗传算法的结构损伤识别方法.以单元刚度折减因子为遗传算法的优化变量,以测试频响函数和计算频响函数的形状相关系数来构造遗传算法的优化目标函数和适应度函数;为克服二进制编码的缺点,采用浮点数编码方案;最后通过一个桁架结构模型进行数值模拟,计算结果表明,即使在考虑一定测量噪声水平的情况下,仍然能够准确识别出结构的多处损伤,验证了该方法的有效性和可行性.     

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。     

SOFM网络在结构损伤位置识别中的应用

为实现结构的损伤定位，克服BP神经网络受病态样本影响大且抗噪声能力弱等缺点，采用SOFM（Self-Organizing Feature Map）网络，以结构振动组合损伤指标为网络输入，对一桁架结构进行了损伤位置识别研究。识别结果显示SOFM网络能够区分相似样本，由网络的拓扑图可以直观地评价网络训练和识别结果。在不考虑噪声情况下，网络可以正确识别损伤位置，在噪声水平不大于30％情况下，除个别单元外，网络对其他单元损伤的正确识别率均高于95％，显示出很好的抗噪声能力。     

运用改进的遗传算法进行框架结构损伤检测

运用一种改进的遗传算法来进行结构的损伤检测研究。该方法在传统遗传算法的变异算子里引入了一种被称为零变异率因子的参数，使得种群中时刻保持一定数量的零值元素，即相当于用结构的损伤只是发生在局部这个信息约束了传统的遗传算法，从而使得检测的结果更加准确。通过对某一框架模型试验数据的损伤检测研究，证明了该方法应用于实际工程结构的可行性，同时阐明了实际应用中的若干重要问题。     

基于GA-BP神经网络的结构损伤位置识别

针对传统BP神经网络训练中存在的一些问题，提出了一种基于遗传算法(GA)-BP神经网络混合技术识别结构损伤位置的方法。该方法利用基因实数编码的遗传算法优化BP网络的结构及初始参数，从而大大提高了神经网络的训练精度。运用GA-BP网络与传统BP网络技术分别对两个算例进行了结构损伤定位的识别仿真，结果表明遗传BP稳定性好，精度高，对噪声有很好的鲁棒性，便于工程应用。     

采用改进单元刚度折减系数法识别结构损伤

提出了结构损伤识别的两阶段方案,在利用改进的损伤变量进行损伤定位的基础上,采用前几阶振型扩充得到完备模态空间,结合改进的单元刚度折减系数方法进行损伤定量.分别选取了简支梁和连续梁仿真算例进行验证.结果表明在仅采用较少低阶模态的情况下,识别效果比原损伤变量和单元刚度折减系数法明显更优,能在一定噪信比下进行较准确的损伤定位和定量分析.     

运用改进的量子遗传算法进行结构损伤识别

利用振动得到的模态参数进行结构的损伤识别,是当前结构损伤识别领域中采用较为普遍的方法之一。文中引入量子遗传算法处理模态参数,为了让量子遗传算法更适用于复杂结构的损伤识别,还提出了改进的动态策略调整量子门旋转角,并应用于某框架结构的损伤识别。在识别过程中,以结构损伤前后柔度矩阵差的1范数为基础建立改进的量子遗传算法的目标函数,进行结构的损伤识别。结果表明该方法能准确、有效地判断框架结构的损伤发生、损伤位置以及损伤程度,并且具有一定的抗噪能力。     

基于遗传算法和拓扑优化的结构多孔洞损伤识别

鉴于拓扑优化和遗传算法在结构损伤识别中各自的优点,本文将遗传算法、有限元和拓扑优化三种方法相结合,提出了一种用于二维结构多损伤识别的新方法。这种方法将拓扑优化的设计变量和遗传算法的参数统一化,将拓扑优化中的目标函数和约束方程与遗传算法的适应度函数联系起来,并以拓扑优化的约束方程作为控制条件参与整个遗传运算的控制。采用二进制编码遗传算法代替连续变量拓扑优化的方式对发生孔洞损伤形式的二维结构进行损伤识别,避免了利用连续变量拓扑优化进行损伤识别时参数阈值的确定可能给识别结果带来的不良影响。通过对两个二维结构模型的多损伤识别仿真计算,结果显示本方法能够很好地识别二维结构中多个位置的损伤,对于仅用拓扑优化法很难识别的轻微孔洞损伤情况,该方法也能得出与实际情况吻合良好的结果。     

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。     

带边界条件损伤简支梁振动模态分析

将简支梁的损伤比拟成扭簧，给出了考虑边界条件的损伤简支梁的振动特征方程。该方程的建立可以用于考查损伤对简支梁振动模态影响，对桥梁结构损伤识别具有参考意义。     

结构损伤识别中噪声的模拟

在有限元仿真的结构振动信号上施加不同水平的噪声,采用随机子空间法,分别从各种噪声水平的信号中提取结构的模态参数。以无噪声信号得到的模态参数为标准值,计算了各信号噪声水平下模态参数的误差,得到了信号噪声水平与模态参数噪声水平的对应关系,给出了模拟模态参数噪声的方式。通过损伤识别算例,考察了识别效果对信号信噪比的要求。     

基于附加虚拟支座的结构损伤识别方法

本文针对土木工程中实测模态相对较少,很难进行大型结构的损伤识别的困难,提出附加虚拟支座的损伤识别方法。该方法利用约束子结构方法在结构上附加虚拟支座来增加结构形式的方法,增加识别模态的数量,从而实现结构的准确损伤识别。约束子结构方法的基本思想是通过响应的卷积组合为零将传感器转化为虚拟支座。将附加虚拟支座后的结构定义为虚拟结构,每个虚拟支座对应一个虚拟结构,那么在结构上不同位置附加虚拟支座,则可以获得多个虚拟结构的模态;联合所有虚拟结构和对应的频率即可准确快速的识别出整体结构的损伤。最后通过三层空间框架模型验证方法的有效性。     

利用曲率模态识别桥梁损伤的研究

针对在利用曲率模态识别桥梁损伤过程中遇到的一些问题,得出了适用于桥梁损伤识别的曲率振型计算公式;提出了曲率振型规范化处理方法,以便于识别结构损伤程度;对曲率零点处的变化量计算作了特殊处理,以避免此处引起的损伤识别干扰;并给出了传感器足够密集时的损伤程度估计公式,最后通过数值仿真验证了上述方法的有效性。     

Micromechanical identification of anisotropic damage evolution laws

This paper deals with the establishment of anisotropic conjugate force based damage evolution laws in the framework of Rice's (1971) ‘normality structure’. The damage variable is the second-order crack tensor (Kachanov, 1980), which represents preexisting Griffith microcracks in a solid. The principal results include the deduced damage surfaces, potentials and kinetic equations for the basic internal variables and damage tensor during isothermal processes. The generalized pth order crack tensors and qth order energy release rates are introduced. The deduction in this paper is fully independent of the specific form of the free energy or Gibbs energy functions, so the deduced damage evolution laws have a wide applicable range including plasticity. Using the deviatoric stress as the conjugate force, the two well-established anisotropic yield surfaces, Karafillis and Boyce (1993) and Hill (1950), are recovered from the deduced damage surface. This revised version was published online in July 2006 with corrections to the Cover Date.     

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Hilbert-Huang变换的梁结构损伤识别方法研究

提出了一种基于空间Hilbert-Huang变换进行损伤识别的方法。以工程中最常用的梁结构为对象,首先从理论上分析了损伤对梁结构动力学参数的影响,揭示了损伤所带来的模态奇异性特征;然后通过EMD自适应的分解模态信号,由Hilbert变换捕获其损伤特征频率的变化,有效的识别了损伤存在时位置和损伤程度。通过数值实验,验证了空间HHT变换方法在损伤识别中具有很高的频率分辨率,同时又具备较强的抗噪性能。     

一种基于改进PSO算法的结构损伤识别方法

根据“结构损伤发生在局部”这一信息特征,在粒子群算法中引入零变异率系数,提出一种改进的粒子群结构损伤识别方法。两层刚架单损伤数值仿真研究结果表明：与普通粒子群算法相比,本文所提出的方法具有收敛速度快、识别结果准确、抗噪能力较强及受种群数影响小的特点,这些优点对于将PSO应用于复杂结构的损伤诊断有着重要意义     

A methodology for identification of damage in beams

In this work, a parameter based on correlation of signals using mathematical morphology and other two parameters based on energy of a vibration signal using wavelet transform and bispectrum theory are used for approximate location of damage in a steel clamped-free beam. The experimental data are obtained through accelerometers placed along the sample. The system is excited using impact hammer. A preliminary location of the damage is found using the position of the accelerometer that has a higher energy change when it is compared to the signal of the system with and without damage. The mathematical models are obtained using 2D elasticity theory and the finite element method. The numerical and experimental data are approximated using the particle swarm optimization method, and this way, it is possible to adjust the location and severity of the damage. The procedure is also applied to a free–free steel beam with two damages and a sandwich beam.     

Progressive damage identification using dual extended Kalman filter

Existing Kalman filter-based parameter identification algorithms estimate the system parameters as either sole states or a subset of augmented states. While the former approach requires the measurement to be sufficiently clean, the latter is reported to have numerical stability issues. Since the parameters are estimated in both these approaches in an optimal sense, in the presence of a significant variation in parameters (due to damage), the estimates may often diverge. In this article, we propose an online health monitoring scheme powered by dual extended Kalman filtering technique to simultaneously estimate the system parameters along with the response states of a reduced-order system. To capacitate damage localization beyond sensor resolution,the proposed method employs location-based structural properties as system parameter. This reduces thedimensionality of the formulation from \({4n^2}\) elements in the state matrix to only a few physical parameters. Unnecessary estimation of a large number of unmeasured response states has been avoided by employing the system reduction technique and thus by describing the system using only measured DOFs. This in turn enables estimating a poorly observed system as a fully observed one. Two numerical experiments are performed ontwo degrading structures: an Euler–Bernoulli beam and a bridge truss to demonstrate the competency of thealgorithm with reduced-order models.     

基于时间序列分析的结构损伤识别

针对如何从结构响应信息中提取结构损伤指标的问题,提出了一种基于时间序列分析的结构损伤识别方法。对结构响应数据进行预处理,利用完好工况下的结构响应数据作为参考数据,建立自回归(Auto regression-AR)预测参考模型。利用已建立的AR预测参考模型计算待识别工况的残差,将待识别工况的残差与AR预测参考模型的残差的方差之比作为损伤指标,对结构损伤进行识别;通过算例表明:该损伤指标不仅可以判断结构是否发生损伤,而且可以识别结构的损伤位置。