基于数据融合的张弦桁架损伤识别方法与试验研究

针对张弦桁架采用单损伤指标识别损伤位置易受到干扰甚至产生误判的问题,提出基于曲率模态差和模态柔度差曲率融合的损伤识别方法。基于D-S证据矩阵和加权平均两种数据融合准则,建立张弦桁架损伤识别的单次融合和两阶段融合识别流程。采用有限元软件ANSYS建立张弦桁架分析模型,利用减小构件截面积模拟弦杆损伤,分别采用非融合单损伤指标、单次数据融合和两阶段融合方法进行损伤识别分析。结果表明：单损伤识别指标的抗干扰能力较低,尤其对支座附近下弦杆的识别效果差;基于数据融合的损伤识别方法能够综合多种指标损伤识别结果,有效提高损伤位置识别的准确性;与加权平均数据融合准则相比,基于D-S证据矩阵准则的数据融合方法更能有效降低非损伤位置干扰,识别效果更好;两阶段融合方法效果优于单次融合方法,损伤位置的损伤概率愈发接近于1,非损伤位置的损伤概率愈发趋近于0。最后开展了一榀张弦桁架模型的损伤识别试验,通过试验验证了当所获取模态数据受到环境或测试噪声等因素影响下,文章提出的基于数据融合的损伤识别方法仍具有较好的鲁棒性,能够有效识别实际张弦桁架结构的损伤位置。但由于曲率模态差以及模态柔度差曲率难以识别损伤程度,因此文章方法仅能够提高损伤位置的识别精度。     

基于神经网络的平面钢桁架结构损伤识别研究

利用神经网络的鲁棒性、容错性和泛化能力,建立了3个不同的神经网络对平面钢桁架结构进行了损伤定位和定量的评估。首先用PNN神经网络诊断出损伤杆件所在的子结构;并用RBF神经网络进一步诊断出损伤杆件的具体位置;进而确定出损伤杆件的损伤程度。数值仿真表明,该方法用于平面钢桁架结构的损伤识别是可行的。     

应变模态在桁架结构损伤识别中的研究

对平面桁架结构的损伤识别进行了研究。首先从桁架节点位移推导了应变模态的计算公式,然后通过有限元软件建立桁架结构数值模型,采用一阶应变差识别指标对桁架发生单处和多处构件损伤进行损伤定位。结果表明了一阶应变差识别指标在平面桁架结构中损伤定位的可行和有效。     

小波尺度选择对钢结构损伤识别的影响

采用小波概率神经网络（WPNN）损伤识别方法，分析了结构损伤识别中信号的小波分解带宽范围、小波尺度步长和尺度数量对损伤识别结果的影响，研究发现，小波尺度的选择对结构的损伤识别结果有决定性的影响。     

小波技术在起重机桁架臂结构损伤识别中的应用

随着科学技术的发展,各种新型复杂结构相继出现,损伤诊断显得更加迫切和重要。有些结构中的重要部件一旦发生损伤,其破坏程度扩展非常迅速,如果未及时发现将很陕导致整个结构的毁坏。另外,因结构的老化、疲劳及腐蚀所需要的维修费用很高,因此及时发现损伤,随时进行维修,以节省各种费用就显得尤为重要。工程结构的损伤诊断、评估和加固技术在结构工程研究领域变得非常活跃,同时也越来越被人们重视,由此可见,相关方面的研究具有可观的经济效益和社会效益。     

基于残余力向量法的桁架结构损伤识别

提出一种基于残余力向量理论的桁架结构损伤识别方法。先由灵敏度分析求出桁架结构刚度联系矩阵,再由刚度联系矩阵将损伤后的刚度摄动矩阵展开成对角矩阵,结合残余力向量方程得出由刚度联系矩阵表示的新的残余力向量方程。由新方程可以得到各杆单元刚度的改变量,即可识别出桁架结构的受损杆单元位置及其损伤程度。最后以某桁架结构模型进行数值仿真分析。分析结果表明,该方法具有计算简单,计算量小等优点,仅需要损伤后第一阶模态参数,就可以识别出结构的损伤情况,并且测量精度较高,对于实际工程具有一定指导意义。     

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BP神经网络的融合参数结构损伤识别研究

1 概述 结构损伤识别及诊断是当前的研究热点。由于动力损伤诊断方法较传统的诊断方法(如目侧及外观检查、无破损或半破损试验、现场载荷试验等)具有较易实施、测试速度快、对结构不造成新的损伤、可在结构的层次上把握整体信息等优点,因而     

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。     

基于模态参数和支持向量机的桁架结构损伤识别研究

以桁架结构的损伤为研究对象,根据桁架结构的杆单元应变特点,建立了损伤前后振型曲率变化率和应变模态变化率对杆单元损伤的敏感性分析。同时以该变化率作为输入特征参数构造支持向量机,对杆单元的损伤进行识别,均取得了较为理想的结果。     

某复杂钢结构网架设计方法研究

某复杂钢结构网架在建筑上造型独特,结构上存在许多大跨度、大悬挑部分,杆件受力情况复杂;结构受风面积大、阻尼比小,自振周期又与自然风的卓越周期非常接近,属于风敏感结构.从结构找形、数值风洞和结构整体有限元分析3个方面介绍该工程的钢结构网架设计,总结该类结构的设计要点:利用反向重力荷载找形技术保证网架杆件受力的合理;在方案阶段通过数值风洞仿真计算获得建筑物表面的风荷载数据,提高有限元计算的可信度;利用通用有限元软件ANSYS对结构进行静力分析、温度分析及动力分析.为方案评定和进一步深化设计提供参考.     

某复杂钢结构网架设计方法研究

某复杂钢结构网架在建筑上造型独特,结构上存在许多大跨度、大悬挑部分,杆件受力情况复杂;结构受风面积大、阻尼比小,自振周期又与自然风的卓越周期非常接近,属于风敏感结构。从结构找形、数值风洞和结构整体有限元分析3个方面介绍该工程的钢结构网架设计,总结该类结构的设计要点:利用反向重力荷载找形技术保证网架杆件受力的合理;在方案阶段通过数值风洞仿真计算获得建筑物表面的风荷载数据,提高有限元计算的可信度;利用通用有限元软件ANSYS对结构进行静力分析、温度分析及动力分析。为方案评定和进一步深化设计提供参考。     

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。     

基于模态应变能的结构损伤识别研究

文中应用有限元分析软件ANSYS10.0建立一个平面刚架结构模型。通过有限元模态分析获得未损伤结构与损伤结构的固有频率和振型。应用单元模态应变能法对模型进行损伤定位。结果证明这种方法对于平面刚架的损伤识别是有效的。     

结构损伤识别的一阶曲率模态比值

结构在其建设-使用-退役这样一个相当长的过程中出现损伤和破坏是不可避免的,而这将严重影响到城市的发展和人们的生产生活情况。所以,了解损伤、发现损伤以及进行维修加固十分必要。从基于曲率模态的损伤识别指标法入手,提出一阶曲率模态比值,并用ANSYS对一钢筋混凝土单跨简支梁进行了数值仿真。重点研究了单处损伤情况下,结构损伤程度的识别,得出一些有意义的成果。     

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。     

一种基于频率的损伤识别新方法

运用摄动方法和线弹性断裂力学理论讨论了基于模态分析的梁型结构无损检测方法。从理论上推导了利用测得的少数前几阶固有频率,来识别裂纹位置和裂纹深度的算式。通过试验结果验证,表明方法简单可行,对解决工程实际问题具有一定的参考价值。     

模型参数误差对用神经网络进行结构损伤识别的影响

通过理论推导得到了模型参数误差对损伤引起模态参数改变的贡献的表达式,用该式可指导神经网络输入参数的选择和输入向量的构造.理论分析表明,适当地构造输入向量,可以减小模型参数误差对结构损伤识别的影响.在采用BP网络和合适的输入向量后,还用数值模拟的方式对一榀六层框架的损伤识别进行了确定性研究和概率分析,结果表明,用神经网络进行结构损伤识别,受模型参数误差的影响很小,在训练神经网络时,10%的模型参数误差是可以接受的.最后,用一个两层钢框架的实验数据验证了神经网络在有模型误差时的识别能力.     

基于柔度阵的悬臂弯剪型建筑结构损伤识别方法

应用有限元方法 ,建立结构柔度矩阵 ,在柔度阵法识别结构损伤的基础上 ,构造损伤识别的二次规划模型 ,提出了一种悬臂弯剪型建筑结构的损伤识别方法。通过一个悬臂弯剪型结构损伤识别的数值模拟表明 ,只需低阶模态参数就可有效地识别结构损伤。