基于多个控制力作用下结构动力特性的损伤定位

用状态反馈控制的方法有目的地对结构进行极点配置，得到所需的受控结构的特征频率和特征振型，并利用这些数据，运用信息融合技术对由不同识别方法得到的损伤定位结果进行融合。本文还讨论了反馈控制力个数和位置对损伤定位结果的影响。数值仿真结果表明，使用受控结构的动力特性数据有可能提高损伤识别指标对损伤的敏感度，反馈控制力的个数和位置对损伤识别结果有影响，使用信息融合技术将采用不同损伤识别方法得到的识别结果进行融合，能进一步提高损伤定位的准确性。     

基于改进加权D-S信息融合的结构多损伤位置识别

将信息融合技术中的D-S证据融合理论应用于结构的多损伤定位问题,为了解决证据融合理论中的不同证据应具有不同的重要性的问题,提出了一种新的加权证据调整的方法。这种方法利用加权平均值和优先权的证据分布形态对证据进行了加权调整,调整后的证据保证了加权平均值不变以及优先权证据分布形态的稳定。仿真结果表明,采用了证据融合方法的多损伤定位,可以产生比单一信息源更精确、更完全的估计和判决,而基于改进加权证据融合技术具有更好的对多损伤定位的识别,优于基本D-S证据组合方法以及其它加权证据组合方法。     

改进模态应变能法在混凝土组合箱梁桥损伤诊断中的应用

为提高结构损伤识别方法的准确性和对噪声的鲁棒性,将多源信息融合技术引入到结构损伤识别方法中。针对模态应变能法诊断结构损伤一般需要完备模态的特点,采用信息融合技术对各阶模态应变能进行融合,建立了基于信息融合的改进的模态应变能法。通过对一座预应力混凝土组合箱梁桥损伤识别数值算例的分析,可以看出该方法具有良好的损伤敏感性,仅需要较少的低阶模态就可识别结构的早期损伤;同时,该方法具有噪声鲁棒性,当加入噪声等于或小于10%时可以准确识别结构的早期损伤。因此该文提出的基于信息融合的改进的模态应变能法具有较好的工程实用性。     

结构损伤检测的人工鱼群算法

结构损伤检测实际上属于系统识别的问题,其最终目标是识别结构损伤前后物理参数的变化。可利用实测结构模态参数建立方程求解得到结构物理参数,该过程在数学上往往转化为求解约束优化问题。由此,尝试采用人工鱼群算法来求解这类大型土木工程约束优化问题,首先介绍了算法的参数定义、行为描述及算法流程,然后利用经典测试函数对算法计算性能进行测试,最后给出了结构损伤识别这类约束优化问题的目标函数并通过数值仿真验证了该算法的有效性和鲁棒性。考虑测量噪声影响并通过不同损伤工况的数值仿真,研究结果表明,人工鱼群算法能有效地检测出损伤单元所处位置和损伤程度,因而将其应用到结构损伤检测领域是可行的。     

基于不完备实测模态数据的结构损伤识别方法研究

在传统的基于模型修正的损伤识别中,由于实测模态信息有限而待识别参数过多,往往导致损伤识别方程出现较大误差,从而限制了该方法在复杂结构中的应用。为解决这一问题,对结构的自由度进行了分解,将损伤结构中模态振型的未测量部分表达为已测量到的模态振型、模态频率以及结构其它参数的函数。将损伤视为结构单元刚度的减小,利用完好结构的计算模态数据以及损伤结构扩充后的实测模态数据,建立了结构的损伤识别方程。运用信赖域优化算法对具有双重约束条件的目标函数进行最小化,识别出了结构各单元的刚度损伤参数。通过两个损伤识别数值仿真算例及实验验证,结果表明,在测点数量有限及测试噪声等不利因素影响下,所提方法只需运用少量的实测模态信息,即可实现结构损伤位置及程度的准确识别,同时算法具有较好的鲁棒性。     

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。     

工程结构损伤的集成神经网络识别研究

从结构损伤识别的实际出发，提出采用基于信息融合理论的集成神经网络技术对结构损伤状况进行识别，即通过结构损伤特征信息的有效组合，用各种子神经网络从不同侧面对结构损伤进行初步识别诊断，然后对识别结果进行决策融合。给出了系统的实现策略和子网络的组建原则。从识别实例中可以看出，此识别方法充分利用了各种特征信息，可以有效地提高识别率。     

基于数据融合和“能量-损伤”的结构多损伤模式识别

基于一致性数据融合算法和"能量-损伤"结构特征提取原理,提出一种结构多损伤模式识别方法,能够充分利用结构不同位置的不同状态信息,更好地对结构损伤做出判断。对一致性数据融合算法进行改进,使得改进后的算法能够克服一致性算法中两传感器在测量精度不同时置信距离不同的缺点,并对支持矩阵进行模糊化处理,避免人为定义阈值而产生的主观误差。利用"能量-损伤"特征提取技术,构造融合后多传感器测量数据的特征向量,以ART2神经网络作为模式识别工具进行结构多损伤识别。五层框架结构数值计算结果表明,提出的方法能够用于结构多损伤识别,且具有较强的鲁棒性、稳定性和适应性。     

基于测量位移和频率的结构损伤二次识别方法

为了解决结构多损伤下的位置识别和损伤程度的判定问题，将测量位移和频率用于结构的损伤检测研究，并提出了一种分阶段的二次损伤识别方法。首先考虑测量位移数据量多且包含信息量较大的特点，利用测量的位移数据进行损伤的初次定位识别；然后利用频率的测量精度较高的优势，采用频变法进行结构损伤的定量识别。并针对频变法提出了相应的迭代改进策略，以进一步提高损伤识别的精度。数值仿真结果表明，采用测量位移定位识别可以有效地获得可能的损伤单元，在此基础上利用频变法的迭代改进策略不仅可以得到损伤程度的量化值，而且可以更精确的判断损伤的位置。     

基于D-S证据理论的结构多精度损伤识别结果融合方法

在结构的损伤检测中，由于传感器数目、测试噪声等因素，限制了结构损伤检测与识别的能力。不同的损伤识别方法在检测过程中识别的精度不同，使用单一的损伤检测识别方法所获得的信息是不全面的。将Dempster-Sharer证据理论应用于结构的损伤识别中，将各种识别不同精度的检测方法融合，使最终识别的结果更为可靠、精确。通过对钢梁结构损伤识别的模拟计算，验证了D—S证据理论在融合多种不同精度损伤识别方法中的有效性。     

Two-Stage Multi-damage Detection Method Based on Energy Balance Equation

In order to solve structural multi-damage identification problem, a two-stage damage detection method based on energy balance equation and evidence fusion is presented. First, a Frequency Change Identification (FCI) method and Modal Strain Energy Dissipation Ratio (MSEDR) method are utilized to preliminarily identify structural damage locations, and then a Fusion Damage Localization (FDL) method based on evidence theory is proposed to precisely detect damage locations. The FDL method mainly utilizes evidence theory to combine both the FCI localization information and the MSEDR localization information. Thus, more precise damage localization information can be acquired. After the damaged locations are determined, an Energy Balance Equation (EBE) index is presented to identify structural damage extent. Considering that strain energy dissipation should be equal to the change of modal strain energy, a quartic EBE equation is deduced, and structural damage extent can be obtained through the solution of the equation. An average quantification index is also proposed to improve identification precision. The simulation results demonstrate that the FDL method can perfectly detect structural damage locations, and the EBE index and average index can identify structural damage extent.     

基于数据融合的结构损伤识别方法研究

为提高结构损伤识别的准确率,在大型复杂土木工程结构的健康监测中引入多传感器数据融合技术,提出了基于数据融合技术的结构损伤识别方法的实用模型,建立了结构损伤识别方法的评价指标,并通过钢筋混凝土板试验分析了常用的数据融合方法——Bayes方法和D-S证据理论的有效性。分析结果表明:采用数据融合技术,结构损伤识别方法的评价指数更高,即结构损伤识别的效果更好。     

基于多传感器信息融合的结构损伤识别研究

针对结构健康监测系统中的传感器数量多、数据信息复杂的特点，从模式识别和局部控制、全局参与的思想出发，提出了多传感器信息融合方法对结构损伤进行识别。首先应用小波包变换对结构振动测试数据进行特征提取，通过不同传感器特征向量的合成完成数据层融合；然后建立三个耦合神经网络分别实现结构损伤的确认、定位及定量，并完成决策层的信息融合；最后进行了36个损伤工况的结构模型实验研究，验证了所提出的方法是可行的和有效的。从实验验证的结果来看，对损伤率在7．5％以上的结构，损伤识别精度较高；对于损伤确认和损伤定位，识别精度较高，而对于损伤程度识别有一定偏差。     

基于频率响应的不同结构损伤识别方法研究

为了解决结构损伤中的刚度和质量识别问题,将测量的响应位移应用于结构的损伤识别中,并提出了多频率激励损伤识别方法和改进的单频率激励损伤识别方法。对于多频率激励情况,首先分析了结构损伤的基本理论,然后推导了其刚度损伤指标和质量损伤指标的识别公式;对于单频率激励情况,则首先根据结构的刚度特性和质量特性确定结构损伤的简化定位方法,在此基础上提出了其相应的迭代改进策略,以提高识别的精度。数值仿真结果表明:对于刚度影响占主导地位的桁架结构,多频率激励法对于刚度损伤的识别效果较好,对于质量损伤的识别效果较差;而采用改进的单频率激励识别策略,则可以更好的识别出刚度和质量的损伤,其识别结果优于多频率识别法和简化单频率识别法。     

基于应变模态响应重构的损伤识别方法EI北大核心CSCD

土木结构的损伤识别技术对提升结构可靠性与安全性具有重要意义,也是土木结构健康监测研究中的热点问题。现有的损伤识别方法往往需要识别模态参数,或者需要准确获取结构外部载荷信息,极大限制了相关方法在实际工程中的应用。为克服现有方法的局限性,该文将结构动态响应重构方法引入到损伤识别中,提出了基于应变模态响应重构的损伤识别方法。构建结构健康状态的有限元模型,以损伤结构测量的信号输入,通过基于经验模态分解的应变重构方法,可以获取使用无损伤模型的结构全局模态响应。以传感器采集的模态响应和重构模态响应的差异作为有限元模型修正的依据,通过应变模态比值构建的传递率的灵敏度矩阵进行迭代运算,求得损伤位置及损伤程度。该方法无需获取结构的外部激励信息,通过高效的时域应变重构,能够在少量测量信号下实现对结构损伤的精确识别。为验证该方法的准确性和高效性,开展了连续梁单一损伤和多损伤识别研究,探讨了测量噪声和模态阶次选取对识别结果的影响,结果表明,该方法能够准确、高效识别不同程度的损伤,对测量噪声具有较强的鲁棒性。     

基于模糊神经网络的数据融合结构损伤识别方法

为了有效利用结构健康监测系统中的多源传感器数据信息,提高损伤检测与评估的识别正确率,该文通过构造模糊神经网络分类器,提出了一种基于模糊神经网络的数据融合损伤识别方法并将之应用于结构健康诊断中。它先通过数据预处理,提取原始响应信号中的特征参数,接着将之作为模糊神经网络的输入,构造模糊神经网络模型进行识别决策,最后运用数据融合算法,计算出数据融合后的决策结果。为了验证所提方法的有效性,通过一个7自由度的建筑模型,分别用单一模糊神经网络决策器和数据融合损伤识别方法进行了损伤识别和比较。研究结果表明:该文所提方法比单一决策结果更准确、可靠。     

环境变化下基于AR模型系数和协整的海洋平台结构损伤识别

结构损伤引起的损伤特征参数的变化往往被环境因素（温度、质量）变化引起的损伤特征参数的变化所掩盖,从而导致基于振动的损伤识别方法失效。该文利用时间序列中的AR模型系数和计量经济学中的协整进行环境因素（温度、质量）影响下的海洋平台结构损伤识别研究。首先利用AR模型对实测的加速度响应信号进行拟合,选择第一阶AR系数为协整变量,然后对不同节点的协整变量进行协整,将协整残差作为损伤指标,最后通过X-bar控制图进行结构的损伤识别。海洋平台结构的数值模拟和振动台模型试验结果验证了该方法的有效性。     

Examining structural dynamics using information flow

In this work, two different information-theoretic approaches are presented for exploring coupling in structural dynamics. Specifically, both the time delayed mutual information and the transfer entropy are used to compute the amount of information transmitted between points on a structure. The resulting “information flow” is a probabilistic quantity that makes no assumptions about the underlying model and is therefore an appropriate tool for studying both linear and nonlinear coupling mechanisms. Both metrics can be used to quantify information transport, however they stem from fundamentally different assumptions. Time-delayed mutual information may be appropriately viewed as a nonlinear cross-correlation function, while transfer entropy incorporates the information provided by one dynamical process about another’s transition probabilities. For a linear, two-degree-of-freedom structure subjected to Gaussian excitation, the exact formula for both quantities is derived. An algorithm is then presented for computing these measures from time series data and is shown to be in agreement with theory. Nonlinearity is then introduced into the system in the form of a bi-linear stiffness term between the system’s masses. As the coupling changes from linear to nonlinear, the mutual information and transfer entropy curves exhibit characteristics that clearly identify the presence and degree of nonlinearity when compared with their “linearized” versions. Possible applications of this approach include structural health monitoring, where nonlinearity is often associated with structural damage.