基于小波包变换的梁体损伤识别

由于小波包变换在分析非平稳信号方面较傅立叶变换更为有效，提出了基于小波包变换的能量变化率指标进行损伤识别的方法。首先，将得到的结构响应信号进行小波包分解，然后通过小波包能量变化率指标来进行损伤定位。通过3种不同损伤工况的梁体室内试验证明．损伤指标可以准确地识别损伤位置。     

基于小波包能量的桥梁损伤识别指标

为达到桥梁结构损伤识别的目的,基于小波包分析方法提出了小波包能量变化率平方和(the sum square of wavelet packet energy change rate,简称WPERSS)损伤指标。分别将健康与损伤结构的加速度响应信号进行小波包分解得到小波包能量,通过计算小波包能量变化率平方和损伤指标进行损伤识别。对简支梁模型进行数值模拟,分析单一损伤与两处损伤时不同损伤程度的损伤识别情况,分析不同噪声水平对识别效果的影响。结果表明,该指标可有效识别损伤位置且对噪声具有鲁棒性。对装配式双塔斜拉桥模型进行试验,联合多个测点响应的损伤指标可以判别结构的不同损伤状态,验证了小波包能量变化率平方和指标的有效性。     

基于小波神经网络的RC梁损伤识别试验研究

简要阐述了小波包分析及BP神经网络理论，利用小波包变换对获得的加速度信号进行分解和重构，求解各频带内的信号能量，将其作为神经网络输入参数，对神经网络进行训练，然后利用该网络进行损伤检测。按上述方法，通过有限元分析对RC梁进行损伤模拟，建立了结构损伤识别神经网络。按同样的构造制作了RC试件，并进行了损伤试验研究，对试验中在不同损伤情况下采集的加速度信号进行小波包分解和重构，将得到的能量向量输入已建网络判断结构的损伤。从试验结果可以看出诊断误差很小，能够满足实际工程要求。     

应用小波包神经网络的塔机起重臂损伤识别

经长期服役后的塔式起重机,其安全状况会整体下降,若出现的损伤不能被及时监测处理,可能造成严重的事故,因此,塔机起重臂的局部损伤识别研究对于其及时检修有重要意义。文章利用塔机起重臂损伤前后的加速度响应信号,得到用于表征起重臂损伤信息的小波包能量变化率特征集,为神经网络损伤识别输入参数的选择提供依据。结果显示,采用神经网络与小波包构造的能量变化率指标相结合的损伤识别方法,可以对塔机起重臂损伤杆件发生的具体位置以及损伤的程度进行准确的识别,同时,数值仿真证明方法的有效性。     

压电柔性梁裂缝损伤识别实验

针对压电柔性悬臂梁裂缝损伤检测与损伤程度识别问题,采用小波包分析和小波神经网络相结合的方法进行裂缝深度识别实验研究.利用小波包频带能量谱构造柔性悬臂梁裂缝损伤指标,即能量比相对变化量的H2范数,并建立压电柔性梁裂缝损伤实验装置.激励柔性梁的振动,记录两路压电传感器采集的振动信号,进行小波包分解并计算损伤指标.将这些损伤指标进行组合,作为小波神经网络的输入特征参数,进行裂缝深度即损伤程度的识别.实验结果表明:能量比相对变化量的H2范数对柔性梁的裂缝损伤敏感,对测试噪声不敏感;采用的小波神经网络可以精确识别柔性梁的裂缝深度.     

基于小波分析的裂纹梁的损伤识别

阐述了一种基于小波变换的含裂纹梁的损伤识别方法,利用含裂纹梁的一阶模态阵型作为小波分析的力学特征信号,识别损伤的位置和大小.利用小波分析系数的模极大值随分析尺度的传播定位损伤的位置,计算针对于损伤频率信号的能量判断损伤的大小.与以前的小波分析方法相比,此方法确定损伤位置的可靠性高,能识别微小的损伤.利用能量守恒定理和小波分析频段细化的能力,裂纹的定量分辨率高.     

光纤光栅型智能结构损伤识别的小波包分析

基于结构振动监测技术,采用小波包分析方法对采集的结构振动信号进行了小波分解。介绍了小波包分解技术,提出将小波包能量谱作为损伤指标用以表征结构的损伤状态。在相同损伤位置不同损伤程度、不同损伤位置相同损伤程度的两种情况下对试件进行了六种不同损伤工况的振动信号分析。数据分析结果表明,结构的损伤将导致结构振动信号小波包分解中特定阶数的能量增加,而所提出的损伤指标对结构的损伤程度、损伤距离及损伤位置与光栅传感器之间的角度均敏感,实验中能够识别12 g重物且距离光纤光栅传感器30 cm的损伤,表明对智能结构的在线损伤识别是可行的。     

最优小波包分解在基于响应信号的结构损伤检测中的应用

小波包分解方法在基于响应信号的结构损伤检测中被证明对损伤程度高度敏感,得到广泛的应用.在小波包分解中采用的是完全二进制分叉树型分解,而实际上在分解过程中部分子信号仅含有很少的信息量,对其再进一步分解是不必要的.通过引入熵的概念,可以对分解过程中的各层子信号进行选择,仅对含有足够丰富信息的子信号进行更进一步的分解.这样做可以有效减少最终所得子信号数目,在保持灵敏度的同时降低损伤指标的维数,有助于缩减损伤识别中神经网络的规模,对于大型复杂结构的损伤检测工作具有一定的意义.     

基于支持向量机的张弦梁损伤识别试验

对单榀张弦梁的索力损失和腹杆损伤进行了试验研究.对拉索加载不同程度的预应力来模拟索的预应力损失,利用环境脉动和冲击激励,通过采用Fourier变换或小波变换求得索的频率来计算施加在索上的预应力值.试验结果表明,该方法可以有效地监测索预应力.对张弦梁的上部腹杆进行了环境脉动下的损伤试验,对不同的杆件沿径向进行相应程度的截面切割用以模拟不同程度的损伤状态.对加速度样本进行小波包分解得到特征向量,利用支持向量机对特征向量进行损伤分类,验证了支持向量机方法用于损失识别的有效性.当支持向量机和主成分分析结合后,试验的损伤识别效果有明显的提高.     

基于随机森林的建筑结构损伤识别方法

针对利用分类器对建筑结构进行损伤识别的问题,引入一种新的组合分类器算法——随机森林,提出基于小波包分解和随机森林的结构损伤识别方法。首先,采用小波包对结构在不同损伤程度和位置上的振动加速度信号进行分解,得到各个频带上的总能量;然后,利用各频带上能量值存在着差异性作为输入到分类器的特征向量;最后,训练随机森林模型并对建筑结构的损伤位置和损伤程度进行识别。应用该方法对一座8层剪切型钢框架结构进行损伤判别,并与BP神经网络和支持向量机方法进行对比,结果表明该方法具有较好的识别精度与稳定性。     

基于小波分析的简支梁桥损伤识别

提出了基于小波子带信号能量曲率变化的损伤识别方法。分别对完好和损伤状态下结构的振动响应进行二进离散小波变换,通过信号子带分解与重构将响应分解到不同频带,使叠加的模态响应分离。定义了信号相对能量曲率差损伤指标,利用该指标对结构的损伤进行识别定位。应用此方法对一简支梁桥进行损伤数值分析,结果表明:二进离散小波变换可以对结构振动响应中叠加的多阶模态信息进行有效分离;信号相对能量曲率差指标可以对损伤进行有效识别,且不受激励位置及荷载大小影响。最后通过模型实验验证了该方法的正确性及可行性。     

基于提升小波包和神经网络的结构损伤检测

提出一种提升小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法.首先,对多个传感器采集的振动响应信号进行提升格式小波包分解,定义标准化相对能量并计算每个频带上的相对能量;然后,把这些传感器信号的小波包相对能量融合作为神经网络分类器的输入特征向量,实现损伤的诊断和评价.数值仿真结果表明,提升小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有较高的精度和可靠性.     

基于小波包样本熵的连续梁桥损伤识别

为了减少现行桥梁检测中所需布置传感器数量,将小波包分解和样本熵有机结合起来,对利用单点动力响应数据检测识别连续梁桥结构损伤的新方法进行了研究,笔者提出了连续梁桥结构的损伤识别指标和方法。利用小波包变换对移动荷载作用下桥梁的加速度响应进行分解和重构,计算重构信号的样本熵值,建立了对数加速度能量差小波包样本熵损伤识别指标;并通过三跨变截面连续梁桥的动力仿真分析,验证了指标和方法的适用性与噪声鲁棒性。研究结果表明,笔者所提出指标和方法仅利用桥上一个测点的加速度响应就能够很好地识别连续梁桥的损伤位置和损伤程度,且对噪声不敏感。     

基于SPC与小波变换的光纤光栅型损伤识别

为了研究光纤光栅传感技术在振动型损伤识别技术中的优势,建立了基于非平衡M-Z干涉仪和PGC相位解调技术的光纤光栅结构损伤识别系统;构建了基于小波包节点能量相对变化率之和的结构损伤识别指标;介绍了统计过程控制原理,推导了均值-极差控制图进行结构连续损伤识别的过程;测试了结构处于健康状态和6种损伤状态下的振动信号并分析了损伤识别.试验结果表明,构建的损伤识别系统能判断损伤的存在,并且能对损伤的位置和损伤程度进行有效识别.     

连续小波变换在梁结构损伤诊断中的应用研究

为了检测出梁中的裂缝或因刚度降低引起的损伤,对有损伤简支梁的振型曲线进行连续小波变换．从小波系数出现模极大值有效地识别损伤的存在以及裂缝位置和刚度下降段的位置。基本振型是用小波变换识别裂缝的最佳振型．用损伤位置处振幅较大的振型曲线来识别最清楚,对有噪声影响的振型曲线同样可以用本文方法进行识别。通过分析和计算获得满意结果．在梁结构损伤诊断中具有较高的应用价值。     

声发射和小波包分析在损伤状态监测中的应用

为应用声发射技术对结构的损伤状态进行监测与识别,基于小波包分析提出了一种在线损伤监测方法。采用D-S证据理论对声发射信号的小波包能量谱进行多源信息融合得到改进的小波包能量谱,计算Mahalanobis距离构建结构损伤状态判别指标,采用t检验的概率方法考察不同损伤状态下判别指标的变化情况。旋转轴承结构的声发射信号分析结果表明,D-S证据理论能够对声发射信号的小波包能量谱识别样本抽取有效信息,结构损伤状态判别指标具有良好的结构损伤识别能力,能够准确地实现对结构不同损伤状态的识别。