桁架结构损伤识别的数据融合方法研究

以数据融合技术进行桁架结构的单损伤和多损伤识别。通过研究基于频率的结构损伤理论,分析归一化的频率和损伤位置的关系;利用小波概率神经网络的算法对决策融合进行修正,建立基于小波概率神经网络的数据融合结构损伤识别模型。运用结构计算软件计算了一典型桁架结构的频率,并融合为小波概率神经网络算法的输入特征向量,并对桁架算例模型结构进行损伤识别。通过桁架不同位置的损伤情况,验证该方法的有效性,并提出工程应用中应注意的问题。研究结果表明,基于小波概率神经网络算法的数据融合技术是一种比较可靠的损伤识别方法,具有良好的工程应用前景。     

用小波方法识别结构损伤的介绍

建筑结构或桥梁的损伤程度常常是逐渐变严重的,寻求一种方便的无损检测方法来监测结构的损伤程度,一直是人们研究的热门课题.近年来,不少人开始尝试用小波方法来识别结构的损伤程度.用小波方法识别结构损伤的原理是什么?     

基于振动信号小波变换的结构损伤识别试验研究

离散小波变换和多尺度分析对基于在线结构健康监测环境下的损伤识别有着显著的效果。以简支钢梁为模型进行了动力试验,对加速度、速度和位移信号进行离散小波变换的多尺度分析,细节系数模极大值出现的位置与结构损伤时刻相符,验证了该方法可以有效地对结构发生损伤的具体时刻进行识别。     

基于小波变换的结构损伤识别与试验分析

钢筋混凝土结构在中等以上地震作用下将产生损伤,结构动力特性随之变化。通过对结构微幅振动信号的Fourier分析,可以判断结构是否产生损伤,但是不能确定损伤位置。本文将结构振动信号置于不同频段进行时-频分析,利用小波变换的多分辨率特点对结构损伤进行在线检测,确定损伤位置。通过钢筋混凝土框架的振动台试验,将模型地震反应信号按不同频段分解,提取各频段的损伤信号特征。对于试件模型而言,如果某处出现开裂,即产生损伤,表现在响应信号上为一瞬态分量,通过信号小波变换的尺度函数可以判断结构某层是否损伤。该方法克服了Fourier变换不能反映结构振动信号局部特性的缺点,试验表明本文所采用的方法是可行的。     

基于连续小波空间变换的工程结构损伤识别

利用连续小波空间变换技术,对工程结构损伤信号进行分析,从而识别结构的损伤位置。对不同的边界条件(如简支梁和固端梁)下不同的损伤形式(如竖直裂缝和斜裂缝)引起结构损伤的情况进行试验。结果表明,用连续小波空间变换分析识别结构损伤的结果受一定边界条件的影响,而裂缝的形式对识别效果几乎没有产生影响。但总的来说,小波空间变换都能够方便简捷、准确可靠地识别出结构的损伤位置。     

钢框架非比例损伤识别

提出能够鉴别损伤位置和截面损伤严重程度的钢框架非比例破坏监测方法。所提出的方法由两部分组成,一是损伤识别,二是损伤严重程度分析。损伤识别和严重程度分析均以结构动力性质的变化作为损伤的判据,以此来确定损伤位置和严重程度。所提方法中损伤判别的重要特点是能够在损伤严重程度分析之前,精确地区分不同的损伤区域。与整个结构尺寸相比,损伤区域相对较小,因此,确定损伤严重程度的计算量更小。检测方法的另一个特点是有些特征值或振型对噪声相对不敏感。采用所提检测方法对几个框架进行验证,结果表明,该方法能够成功地检测及量化截面的损伤。     

基于小波变换的桥梁损伤识别研究

小波变换可以很好地对结构的损伤进行精确定位和相对损伤程度的识别.本文以简支桥梁为模型进行了数值模拟,从损伤定位、相对损伤程度识别等方面,验证了该方法的有效性和可靠性.     

基于小波变换的钢筋混凝土结构损伤识别

钢筋混凝土结构在其服役期内,由于受到荷载、地震以及其他因素的作用,会发生损伤,从而威胁整个结构的安全。为了保证结构的安全,需要尽早发现结构的损伤,并且采取防范和修复措施。基于小波变换的多分辨率的特点,提出一种分层小波搜索的方法对结构损伤进行在线检测,确定损伤位置和损伤发生的时刻。通过对某一框架进行数值模拟试验验证可行的基础上,将此法应用于地震作用下钢筋混凝土框架的损伤识别,并与结构模型的模拟地震振动试验观测结果相对比,表明分析结果与试验观测较好吻合。     

基于小波分析的结构损伤检测

介绍了结构损伤的定义及发展,对损伤识别工作要解决的问题和常用的结构损伤诊断方法进行了分析,阐述了将小波分析与人工神经网络结合起来进行结构损伤检测的方法,并通过算例与传统BP神经网络作比较,以推广其应用。     

基于小波包能量法的梁结构损伤识别研究

运用小波包能量法对完好的和具有损伤的简支梁进行数值模拟，施加相同的激励，测得结构的响应信号，对信号进行小波包分解，求得各个频段的能量，通过各频段能量的变化进行损伤位置的识别，指出这种方法可以对实际梁结构进行有效的损伤诊断。     

用于结构损伤识别的神经网络输入选取规则探究

将神经网络作为模式识别工具用于结构损伤位置识别时,其识别效果除了要受到网络隐层数目、各隐层神经元数目、神经元传递函数的形式、训练样本的数量与质量及训练方法的影响外,还会受网络输入性能的影响。在其他因素均相同的条件下,网络输入对网络性能起着决定性作用。为解决网络输入的选取问题,从网络功能、类别可分性和噪声的影响三个方面对网络输入的选取进行了分析研究,提出了用于结构损伤识别的神经网络输入选取的一般性规则,对采用神经网络处理模式识别问题具有参考价值。     

基于神经网络的结构损伤识别综述

简单介绍了神经网络技术及其分类方法,对使用神经网络进行斜拉桥损伤识别的基本流程进行了详细阐述,并分析了输入向量的选择优缺点,以期促进基于神经网络的结构损伤识别技术的推广应用。     

基于区间估计的结构损伤识别方法研究

当检测样本与训练样本的噪声水平不同时,用“自联想”神经网络对结构损伤存在性进行识别时会出现正误判,为解决这一问题,提出用区间估计的方法对结构损伤存在性进行识别,给出了2种情况下区间估计的计算方法。研究表明：当结构没有损伤时,即使检测状态的噪声水平与初始完好状态的噪声水平不同,区间估计的方法也能给出较高正确率的识别结果;当损伤达到一定程度时,只需要相对较少的样本,即可由区间估计的方法对结构是否发生损伤做出正确的识别。     

小波分析在结构损伤判别中的应用及试验研究

随着大型土木工程的兴建,采用先进的仪器和科学的方法来进行在线监测和诊断对结构健康状况的评估起着越来越重要的作用.但无论是基于固有频率变化,还是振型变化,以及基于柔度或刚度变化的测量方法,都存在着一个共同的局限性,就是对微小损伤和疲劳损伤的识别,由于其探测灵敏度不够,显得力不从心,因此需要寻找一种更有效的损伤检测手段.小波变换作为一种新的信号处理方法,综合了时域分析方法和频域分析方法的优点,属于多分辨率的时频分析方法,具有伸缩、平移和放大功能,可以用不同的尺度或分辨率来观察信号,实现既在时域又在频域的高分辨局部定位,对于非平稳信号的处理是非常适合和必要的,正是结构损伤检测的基本要求.给出了结构整体进行损伤判别的方法,将各层能量在各频段进行分解,通过能量变化情况给出了结构损伤程度的判定方法,并且在三层钢筋混凝土框架结构的损伤判别试验中得到应用,试验结果与理论分析吻合较好,从而证明了提出的损伤判别方法的可行性与准确性.     

基于模态参数的结构损伤识别指标综述

从指标定义和指标应用的角度,对目前已有的指标进行了综合分析与评价,指出了利用模态参数构造指标来进行损伤识别的优势以及需要进一步解决的问题,以期促进结构损伤检测技术的完善和提高。     

基于小波包能量的桥梁结构损伤识别应用研究

在基于小波包节点能量相对变化量的基础上,采用节点能量平方比αij（n）作为损伤定位依据,对结构损伤进行无模型定位,并通过数值算例验证了该方法的损伤适用性和损伤敏感性。     

基于结构振动的损伤识别技术研究进展

对目前基于结构振动损伤识别技术的基本方法、研究现状及进展进行了回顾和总结,讨论了各种方法在理论和实际应用中的优点和存在的问题,分析了当前基于振动损伤识别技术存在的主要困难和发展方向,为保证桥梁工程的安全运营提供了理论基础。     

基于小波包分解的框架结构损伤识别研究

应用小波包分解技术,构造了基于综合能量曲率差的损伤识别敏感参数,并对结构的损伤定位和损伤定量进行了研究,结合一个三维框架模型进行了损伤工况的数值模拟,研究结果表明文中提出的损伤识别方法具有较好的损伤识别能力。     

基于振动的桥梁损伤识别方法的现状和发展

综述了近几年来桥梁结构早期损伤识别技术的方法,对各种桥梁结构早期损伤识别的方法进行了评述,讨论了各种方法在理论上和实际应用中存在的问题。根据国内外最新文献,指出了结构早期损伤识别技术发展的方向和趋势。