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。     

基于静力测试数据的预应力混凝土连续梁结构损伤识别

预应力混凝土连续梁桥是中小跨度铁路、公路桥梁的主要桥型,对既有预应力混凝土连续梁桥进行损伤识别,可以有效地预防恶性交通事故的发生。将有限元模型修正技术应用到桥梁及结构工程的损伤识别在近几年得到了迅速的发展。静力测试是桥梁工程中应用最为普遍的一种结构测试方法。本文根据静力测试结果,应用有限元模型修正技术,对一两跨预应力混凝土连续梁的结构损伤进行了识别。计算结果表明,经损伤识别后,结构的理论计算位移与试验测试结果吻合良好,经理论分析得到的损伤发展趋势正确地反映了由试验所得的预应力混凝土连续梁的结构行为。研究结果表明,本文的研究方法可以有效地用于实际工程结构的损伤识别,有着广阔的工程应用前景。     

大跨度空间网格结构的损伤定位

本文建立了基于模态曲率法和人工神经网络技术相结合的、适用于大跨度空间网格结构的损伤定位新方法,即首先应用模态曲率法判断结构是否发生损伤并识别发生损伤的局部结构,然后对发生损伤的局部结构利用人工神经网络技术识别损伤的准确位置。通过分析和比较发现,以模态曲率为基础的损伤参数比较适合于大跨度空间网格结构的损伤定位,三种以模态曲率为基础的损伤定位参数按有效性进行排序,从低到高依次为模态曲率、模态曲率差、模态曲率变化率;针对天津奥林匹克中心体育场大跨度悬挑管桁结构进行了不同损伤状况的数值模拟,验证了所建立的损伤定位方法的适用性和有效性。研究结果表明:利用模态曲率变化率识别损伤发生的大致位置,当单榀桁架发生损伤时,识别的准确率达到100%,当多榀桁架同时发生损伤时,识别的准确率达93.7%;采用人工神经网络技术识别损伤桁架的准确损伤位置时,在无测量噪声影响下,损伤定位的准确率达到97.0%,且测量噪声对损伤定位准确率的影响很大。     

多跨钢筋混凝土连续梁损伤前后力学变化探究

桥梁在长久运行过程中将遭受到不同程度的损伤,影响桥梁的承载能力及运行安全.连续梁桥在局部出现损伤将会出现内力重分布情况,本文利用Midas软件建立多跨钢筋混凝土连续梁桥的模型,并分别分析了边梁中跨位置在不同损伤宽度下的内力变化规律.得到当损伤宽度上升时,剪力随之上升、正弯矩值下降、挠度值上升.其中挠度变化最为显著,选定挠度为钢筋混凝土连续梁的最敏感识别参数,为后续准确识别出桥梁损伤位置奠定基础.     

基于领域自适应支持向量机的跨域损伤识别

基于支持向量机的结构损伤识别方法建立在训练和测试数据同概率分布的假设上,必须对每个结构分别收集训练数据和标签并训练模型以识别损伤。损伤结构的训练数据和标签难以收集,导致支持向量机方法在结构损伤识别中难以实施。提出一种基于领域自适应支持向量机的跨域损伤识别方法,将在有损伤标签结构（源结构）上训练的支持向量机推广到无损伤标签结构（目标结构）的损伤识别中。该方法首先提取结构的多阶固有频率变化率作为损伤特征构建训练数据;然后,推导最小化边缘分布差异与最小化联合分布差异的迁移学习方法,将源结构和目标结构数据映射到高维特征空间,减小域之间的数据分布差异;最后,使用映射后的源结构数据训练支持向量机,使用该支持向量机对目标结构进行损伤识别。应用于钢框架与混凝土框架,以及不同结构形式钢框架中的跨域损伤识别,显著提高了支持向量机对目标结构的损伤识别准确率。该方法充分利用了不同结构的损伤标签和支持向量机模型,解决了机器学习中训练数据和损伤标签缺乏的难题,并能极大地提高学习效率、降低学习成本,为基于支持向量机的结构损伤识别提供了新的解决思路。     

基于数据融合的张弦桁架多位置损伤识别与抗噪性分析

为提高张弦桁架多位置损伤识别的准确性,将数据融合方法与损伤识别指标相结合,采用D-S证据矩阵理论融合叠加曲率模态改变率和模态柔度差曲率两项指标的损伤识别结果,提出了张弦桁架多损伤的单次融合和两阶段融合识别方法。以某实际工程缩尺简化得到的张弦桁架作为研究对象,设计了两种不同的多损伤工况,通过有限元分析获取了结构损伤前后的前三阶模态数据,并进行了损伤识别分析。结果表明：基于数据融合的多损伤识别方法能够准确地识别张弦桁架多损伤,其能够综合两种单指标的识别结果,降低甚至消除非损伤位置的干扰,有效解决了单指标识别精度低、不能全面反映损伤位置的问题;两阶段融合方法通过两次融合逐步降低了非损伤位置的干扰,识别效果优于单次融合方法。此外,分析中考虑了不同水平噪声对张弦桁架多损伤识别的影响,结果表明：基于数据融合的多损伤识别方法具有较好的抗噪能力,能够降低噪声和非损伤位置的干扰,且两阶段融合方法的抗噪能力优于单次融合方法。     

基于曲率模态法桥梁结构损伤识别的敏感参数研究

敏感参数的研究对于结构基于振动的损伤识别有着重要的价值.曲率模态法的基本原理是因损伤所致的构件截面的刚度突变而凸现截面的曲率突变.但其仍存在不足,一是各阶模态反映同一损伤的情况是不同的;二是用损伤前后的曲率模态差作为敏感参数,虽可凸现其损伤部位,但须有未损伤时的模态数据,这通常无法获得.为此,文中分别提出了两个改进的敏感参数,即平均曲率模态损伤因子和即刻损伤因子.利用ANSYS软件对简支梁桥、连续梁桥的损伤识别进行了大量仿真分析,验证了所提出的敏感参数的有效性.另外,还探讨了某一单元损伤程度变化、多个单元同时有相同损伤,不同单元有不同损伤,及结构有限单元的类型和划分精度等多种工况下,采用曲率模态方法进行桥梁损伤识别问题,并进行了二维和三维的不同截面形式损伤识别的仿真分析.理论上证明了所提出的参数可作为桥梁损伤识别的敏感参数,用曲率模态方法能较好地识别出桥梁结构损伤的位置和程度.     

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。     

多维地震动作用下曲线连续桥梁地震易损性研究

基于OpenSees有限元平台建立三类曲线连续梁桥,对算例桥梁进行三向平动地震动作用下的增量动力分析,并采用概率性地震需求分析方法绘制三类曲线连续桥梁关键构件的地震易损性曲线。结果表明在地震作用下,曲率半径小的单弯曲线连续梁桥比曲率半径大的单弯曲线连续梁桥损伤概率稍大;S型曲线连续梁桥相对于单弯曲线连续梁桥在桥墩横桥向损伤概率更大,且在多遇地震地震动加速度峰值(PGA=0.2g)以内,支座损伤概率较大。     

基于稀疏贝叶斯学习的有砟轨道道砟层损伤识别

在列车荷载和环境影响的双重作用下,有砟轨道道砟层支承轨枕的刚度会逐渐退化,严重威胁着行车安全。本文建立包含钢轨-轨枕-道砟层的二维有砟轨道模型,以有砟轨道系统中轨枕结构的频率和振型作为输入数据,采用稀疏贝叶斯学习方法,对枕下道砟层的单损伤和多损伤工况进行了损伤识别研究。本文首先采用室内两跨三层异型框架结构损伤试验验证了所提稀疏贝叶斯学习方法的有效性;然后采用该方法对有砟轨道室内试验的损伤工况进行了损伤识别和不确定性评估。实验结果表明,该方法能够准确地识别出道砟层在单损伤和多损伤工况下的损伤位置和损伤程度,同时计算了道砟层损伤参数的后验概率密度分布,有效评估识别结果的不确定度。本文的研究有望为有砟轨道道砟层的损伤检测提供技术支撑。     

连续梁火灾损伤定性识别方法研究

为研究多种损伤工况下钢筋混凝土连续梁火灾损伤程度,以简支梁火灾损伤识别方法为基础,针对传统方法依靠样本数量较多、损伤识别效果较差等缺点,提出3跨连续梁火灾损伤定性识别方法。通过对理论计算值施加5%的白噪声确定试验值,验证方法可行性。研究结果表明,3跨连续梁火灾损伤定性识别方法精度较高,能够较好地预测结构损伤。     

考虑残差学习的深层卷积神经网络在结构损伤识别中的应用研究

提出了一种考虑残差学习的深层卷积神经网络损伤识别方法,并将其应用到框架结构节点损伤识别中。采用试验研究方式对所提方法进行了深入探讨,结果表明该方法可以很好地解决网络深化带来的网络退化或梯度爆炸、弥散导致的收敛困难和识别准确率差等问题,能对结构损伤诊断中的损伤定位这一复杂问题进行有效识别。在对试验框架节点损伤位置识别的对比研究中,考虑残差学习的深层卷积神经网络收敛速度和准确率均高于常规浅层神经网络和深层神经网络,有极高的准确率和稳定性,从而使得对于工程中复杂结构损伤诊断所需要的更深层、更复杂网络的搭建成为可能。此外,为提升网络用训练样本的质量和数量,依据样本划分规律提出了一种新的数据样本扩增方法,该方法在相同条件下可以显著增加用以训练的样本量并能弱化数据截断带来的信息缺失,识别准确率和收敛速度也大幅提高,研究显示了该处理方式的有效性和适用性。     

杆系结构损伤识别新方法研究

结构损伤识别是近年来出现的一门新兴学科.从20世纪70年代到现在,人们为了寻找解决结构损伤识别问题的方法,进行了许多的研究工作,形成了很多种方法(频率法、振型法、曲率模态分析法等).但到目前为止出现的识别方法多是单一识别损伤位置或者单一识别损伤程度,而同步识别损伤位置和程度的方法还很少.文中基于结构损伤后频率进行识别的方法达到了同步识别损伤位置和程度的目的,弥补了该方面的不足.     

基于AR模型和GRNN的结构损伤识别研究

文中建立了一种基于AR模型与广义回归神经网络(general regression neural network,简称GRNN)结合的损伤识别模型。首先,对加速度响应信号建立AR模型,其次选取损伤和无损工况下的AR模型系数的变化比作为损伤指标,最后利用GRNN神经网络进行结构损伤位置识别。通过五层海洋平台结构的数值模拟及其分析结果验证了该方法的有效性和抗噪性。     

基于多阶曲率模态差的桥梁损伤定位方法

为了保障桥梁结构正常运营,及时发现桥梁损伤,本文提出了多阶曲率模态差(multi order curvature mode difference,简称MOCMD)损伤指标进行桥梁结构损伤位置的识别。为了验证本文方法的有效性,通过数值模拟建立一简支梁桥有限元模型,研究不同损伤程度、损伤位置和噪声水平对该指标的影响。数值模拟结果表明,该指标能够精确识别多个工况损伤位置,而且具有一定抗噪性。     

基于统计矩理论的无模型结构损伤识别方法研究

通过对统计矩理论的分析,提出了一种在时域内利用结构加速度八阶矩作为损伤指标,直接利用输出信号快速判断结构有无损伤及损伤位置的识别方法。通过对典型Benchmark四层钢框架结构数值仿真模型和实测试验进行分析,研究了不同位置斜撑缺失以及弹性模量减少工况下的损伤位置识别,并通过12层标准RC框架振动台试验数据分析了不同楼层梁的损伤工况,判定了各楼层相对损伤程度变化。结果表明：利用响应信号的结构加速度八阶矩适合作为损伤识别的直接判别指标,通过两次定期测试的相对变化可以直接快速对不同损伤工况进行损伤诊断。     

基于应变频响函数曲率的结构损伤识别

为了研究结构损伤并探索其损伤识别指标,基于多自由度体系频响函数,提出了以应变频响函数（SFRF）曲率作为损伤识别参数的结构损伤识别方法,并提出了结构损伤识别指标——SFRF曲率比。在此基础上采用有限元方法,进行了简支板单一损伤、多处损伤等多种工况的算例分析。结果表明：SFRF曲率比对损伤的敏感程度高于由振型、应变、频响函数（FRF）等推演出的特征指标;该方法可用于结构损伤定位以及定性评价多处损伤。     

基于神经网络技术的复杂框架结构节点损伤的两步诊断法

大量研究表明,对于发生损伤的大型复杂结构,采用常规的一步方法进行损伤诊断将是十分困难,甚至是不可能的。因此,本文对多层及高层复杂框架结构节点损伤,提出了基于神经网络技术的两步诊断方法,此方法先将结构划分为n个子区域,将损伤引起的结构前n阶模态频率变化比与损伤区域的关系输入概率神经网络,建立系统,进行损伤子区域判定;然后将结构损伤子区域内第二阶杆端应变模态变化量与节点损伤位置和损伤程度的关系输入径向基神经网络,建立系统,进行损伤位置和损伤程度具体诊断。数值仿真分析结果表明,此方法可对多层及高层框架结构的地震节点损伤做出成功诊断,且具有较好的抗干扰能力。     

基于[ΔK]的塔-线结构损伤识别方法

空间杆系有限元法可以解决塔-线体系的结构损伤识别中塔结构刚度矩阵的运算。利用刚度变化矩阵[ΔK]特性,采用计算机有限元计算软件MATLAB,可以识别塔-线结构的损伤位置和程度。研究证实该方法对结构损伤位置的识别可以达到91.7%的准确率,损伤程度判定可以达到50.6%的一致性。     

基于曲率模态和柔度曲率的变截面钢梁多损伤静态识别

以具有损伤位置不同但损伤刚度相同的变截面悬臂梁和简支梁为研究对象,通过结构模态分析,以曲率模态和柔度曲率为识别参数,计算各种工况下仅用第1阶模态参数的多损伤识别结果并进行了对比.