FRP增强钢筋混凝土梁损伤的振动监测

采用试验数据,识别钢筋混凝土梁模态。对9个混凝土梁的破坏过程和动态参数进行监测,当荷载到达预期破坏荷载一半时,对6个梁采用外贴碳纤维布进行加固。基于所测模态参数,对识别方法进行研究并对识别方法的效率进行分析。这些方法包括频率变化、模态确证准则(MAC)、坐标模态确证准则(COMAC)和模态曲率。通过比较这些方法可知,频率变化不能完全监测损伤以及预测加固的潜力;模态确证准则的值能够揭示荷载变化过程中梁的刚度变化;对梁每个自由度的刚度变化可采用坐标模态确证准则进行评估;模态曲率方法是对梁进行损伤识别的最好方法。     

连续梁桥支座损伤识别方法

桥梁支座损伤对于桥梁结构的正常使用有很大影响。本文以实际工程为例,建立连续T梁有限元模型进行数值分析,并通过模态试验进行验证,从而对连续T梁桥支座损伤的量化分析进行研究。提出利用高斯曲率模态相关系数对公路连续梁桥支座进行损伤识别。数值分析证明该方法是可行的,损伤支座处的高斯曲率模态相关性系数与其它支座位置处的差异明显,可实现损伤定位;支座损伤越严重,相关系数下降越多,在此基础上利用神经网络则可实现对支座损伤程度的识别。最后通过实测案例证明了该方法的实用性。     

基于振型变化的结构损伤识别方法灵敏度分析

通过有限元分析软件ANSYS来模拟结构的损伤状态,得到特征向量的变化值,比较模态置信因子MAC法和坐标模态置信因子COMAC法在不同结构的损伤识别灵敏度分析,并得出了相关结论,以期促进对结构损伤识别方法的研究。     

基于高效神经网络的框架结构节点损伤的多重分步识别方法

提出了基于神经网络的框架结构节点损伤的多重分步识别方法,建立了用于框架结构节点损伤识别的高效神经网络法。根据节点损伤的多重分步识别思路,把节点损伤识别主要分为四步:第一步利用神经网络建立损伤异常过滤器对节点损伤进行预警;第二步以频率构造的组合指标作为神经网络输入向量,对节点损伤进行初步定位;第三步以归一化的应变模态差绝对值作为神经网络输入向量,对节点损伤进行具体定位;第四步以应变模态差绝对值作为神经网络输入向量,对节点损伤程度进行识别。针对三跨四层的框架结构进行了节点损伤识别数值模拟,结果表明:应用神经网络技术,采用多重分步识别方法,简化了网络的结构,能够有效地对框架结构节点损伤进行预警、定位和定量。     

利用低阶环境振动实测模态识别实桥抗弯刚度

利用有限权量平差的最小二乘解识别方法和环境振动实测低阶模态对某三跨连续箱梁实桥结构单元抗弯刚度进行了识别。首先通过对有限元动力计算模型进行模拟误差分析,确定有限权量的最佳平差参数;再利用实测低阶模态对结构单元抗弯刚度进行识别。结果表明,现有测试技术对实际桥梁结构识别是可行的,基本满足工程精度要求。     

基于动力测试的高层建筑损伤定位研究

为研究高层建筑结构动力损伤识别方法,首先通过数值仿真分析,设计8种损伤工况,分别进行了曲率模态、柔度矩阵及其推广的系列损伤识别方法可行性研究;然后基于可行性研究结果,提出综合灵敏度损伤识别方法;最后对结构进行动力测试,拾取其模态信息,利用提出的方法进行损伤定位,并与常规检测结果进行对比.结果显示,所提出的方法可有效识别...     

基于曲率模态曲线变化的桥梁损伤识别

针对传统损伤识别方法仅能对损伤位置进行确定,对于损伤程度识别效果较差的问题,根据桥梁出现损伤会使曲率模态曲线产生畸变这一特点,提出一种基于曲率模态曲线变化的损伤识别方法。以曲率模态参数指标为基础,对桥梁损伤前后其曲率模态曲线的变化进行研究。采用多项式拟合和BP神经网络拟合技术,根据桥梁受损后其曲率模态曲线畸变面积的大小来反向拟合出现损伤的位置和损伤程度。以一座简支桥为例,对其设定单损伤和多损伤工况进行研究分析,根据曲率模态曲线畸变产生的部位确定结构损伤的位置,并根据曲率模态曲线的畸变大小来拟合桥梁损伤的程度。结果表明:对于实际工程中经常出现的小损伤工况,该方法识别效果较好,可用于实际工程结构的监测。     

基于RBF神经网络的网架结构损伤识别试验研究

针对网架结构损伤识别中模态密集、自由度高等困难,利用RBF网络良好的容错性和鲁棒性,依据损伤前后的网架结构模态参数发生变化理论,提出了基于模态参数和RBF神经网络的网架结构损伤识别方法。以一个6 m×7.5 m的正放四角锥网架结构为研究对象,首先依据连续倒塌理论计算各杆件的重要性系数,确定模拟损伤杆件位置;然后以损伤前后结构的标准化频率平方变化率及标准化位移振型的组合参数作为RBF神经网络的损伤指标,利用有限元分析得到学习样本,试验分析结果作为测试样本。采用二阶段损伤识别方法,首先在所有杆件中排查出可疑受损杆件位置,最后再精确识别损伤位置和程度。结果表明,该方法能够很好地识别网架结构的损伤位置和程度。     

基于神经网络的框架结构损伤多重分步识别

提出了基于神经网络的框架结构损伤多重分步识别方法,建立了用于框架结构损伤识别的高效神经网络。根据构件损伤的多重分步识别思路,把构件损伤识别过程分为:利用神经网络建立损伤异常过滤器对构件损伤进行预警;以频率构造的组合指标作为神经网络输入向量,对构件损伤进行初步定位;以频率和模态振型构造的组合指标作为神经网络输入向量,对构件损伤进行具体定位;以频率平方变化率作为神经网络输入向量,对构件损伤程度进行识别。最后针对三跨四层的框架结构进行了损伤识别数值模拟。结果表明:基于神经网络的框架结构损伤多重分步识别方法简化了网络的结构,能够有效地对框架结构损伤进行预警、定位和定量。     

基于模态曲率与小波变换的网壳结构损伤识别研究

结合模态曲率与小波变换的方法对网壳结构的损伤识别进行研究。以一网壳结构的缩尺模型为例进行数值分析,假设结构35号杆件的截面出现刚度折减的轻微损伤,以模型损伤前后的模态曲率作为损伤指标进行连续小波变换,从而判断结构的损伤位置。数值分析的结果表明,利用模态曲率的小波变换系数差可以粗略定位损伤,而利用曲率模态差值的小波变换系数可以较为准确地定位损伤,且分析及数据处理过程更为简便可靠,可见基于模态曲率与小波变换的损伤识别方法对于网壳结构的损伤定位是非常有效的。     

Pipe crack identification based on the energy method and committee of neural networks

A crack identification method using an equivalent bending stiffness for cracked beam and committee of neural networks is presented. The equivalent bending stiffness is constructed based on an energy method for a straight thin-walled pipe, which has a through-the-thickness crack, subjected to bending. Several numerical analysis for a steel cantilever pipe using the equivalent bending stiffness are carried out to extract the natural frequencies and mode shapes of the cracked beam. The extracted modal properties are used in constructing a training patterns of a neural network. The input to the neural network consists of the modal properties and the output is composed of the crack location and size. Multiple neural networks are constructed and each individual network is trained independently with the different initial synaptic weights. Then, the estimated crack locations and sizes from different neural networks are averaged. Crack detection is carried out for 16 damage cases using the proposed method, and the identified crack locations and sizes agree reasonably well with the exact values.     

基于最小秩方法的结构损伤识别

针对结构损伤识别中的最小秩方法存在的问题,经过研究发现,对测试模态进行关于质量矩阵的正交归一化可保证反演后刚度矩阵的对称性;提出了一种迭代修正算法,可保持反演结果的稀疏性;基于模态力余量,定义了一种损伤指标来预先判定结构损伤单元的位置,并可据此选取合适的测试模态阶数进行反演计算。数值试验结果表明,改进后的方法在考虑测试模态误差的情况下可对结构的损伤进行精确的定位和标定。     

空间网格结构节点螺栓松动损伤定位有限元分析

以单层柱面网壳试验模型为背景进行损伤定位研究,采用ANSYS软件对其螺栓松动损伤进行了有限元分析,利用神经网络的模式分类功能进行了螺栓松动的分步损伤定位,即首先以整体结构为研究对象,采用面向子结构的损伤定位,确定结构是否存在损伤及损伤的大致位置;然后采用面向节点的损伤定位法,确定子结构中螺栓松动损伤的节点位置。研究结果表明：损伤识别的成功率与杆件灵敏度密切相关,为了保证识别结果准确性,其灵敏度达到2%以上才能正确识别,当杆件的灵敏度过低时将无法通过动力测试识别;采用分步损伤定位方法可以显著减少损伤精确定位时训练样本的数量,适合于不完备的模态数据,利用低阶模态数据即可准确识别损伤的子结构与节点位置。     

Damage Detection in a Girder Bridge by Artificial Neural Network Technique

Abstract:   Vibration-based damage identification (VBDI) techniques rely on the fact that damage in a structure reduces its stiffness and alters its global vibration characteristics. Measurement of changes in the vibration characteristics can therefore be used to determine the damage in the structure. Although VBDI offers several advantages, most of the available damage identification algorithms fail when applied to practical structures due to the effect of measurement errors, need to use incomplete mode shapes, mode truncation, and the nonunique nature of the solutions. This article presents a new robust two-step algorithm that uses the modal energy-based damage index to locate the damage and an artificial neural network technique to determine the magnitude of damage. The proposed algorithm is applied to detect simulated damage in a finite element model of a girder and a similar model of a real bridge named Crowchild Bridge located in Alberta, Canada. The results show that the proposed algorithm is quite effective in identifying the location and magnitude of damage, even in the presence of measurement errors in the input data.     

Studies on damage and FRP strengthening of reinforced concrete beams by vibration monitoring

In this paper, modal characteristics of reinforced concrete beam specimens are identified using experimental test data. Nine concrete beam specimens were gradually damaged and the changes of dynamic parameters were monitored from initial to the failure state. Six of the specimens were strengthened with externally bonded CFRP sheets when the load reached approximately half of the predicted failure load. The identification methods based on measured modal parameters were utilized and the efficiencies of these methods were investigated. These methods include frequency changes, Modal Assurance Criterion (MAC), Coordinate Modal Assurance Criterion (COMAC) and modal curvatures. The comparison of the methods shows that the frequency changes are not fully capable of detecting damage and predicting the potency of strengthening. The MAC values can reveal the changes of overall stiffness of the beams during the load steps. The change of stiffness at each degree of freedom of beams evaluated by COMAC and modal curvatures show that the damage identification of the beam specimens is best described by modal curvature method.     

基于ERA算法的结构损伤识别及试验研究

针对多孔砖砌体结构,分别进行了理论计算、有限元分析及其基于特征值实现法（ERA）的模态实验分析,通过对比表明3种方法分析的结果较为吻合,说明了识别的结果的正确性。根据识别出的频率,得出了损伤前后的变化规律,说明随着墙体的开裂,刚度迅速下降,极限荷载以后刚度衰减趋于平缓,表明损伤识别分析结果与多孔砖砌体压剪实验结果一致。     

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。     

基于神经网络的结构损伤识别研究进展

为提高结构损伤识别方法的精确性和适用性,将神经网络引入到结构损伤识别中。介绍了神经网络的由来、原理和研究意义,概述了国内外基于神经网络的结构损伤识别研究进展。通过分析可以看,出用于结构损伤识别的神经网络方法有着广阔的应用前景。论文针对进一步研究的方向提出了建议。