桥梁健康监测中损伤特征提取的小波包方法

针对桥梁健康监测中结构损伤识别的特点,从模式识别的角度提出和分析了损伤特征提取问题.阐述了基于小波包分析的两种节点能量特征提取的方法.为了研究小波包系数节点能量和小波包信号成分节点能量对损伤信息进行特征提取的差异,通过对随机荷载激励下的连续梁进行数值模拟,得到了结构未损和损伤状态下的加速度时程信号.应用小波包变换,对不同结构状态下的加速度信号分别提取了两种小波包节点能量特征,并对它们作为结构损伤特征指标的敏感性进行了比较.认为两种特征指标的敏感性相差很小,而小波包系数节点能量特征指标的计算效率更高,更适合桥梁健康监测中损伤特征提取的要求.     

基于曲率模态和小波变换的简支梁桥损伤识别方法

小波变换具有在时域和频域内表征信号局部特性的能力,能够在不同尺度下对结构响应中的突变信号进行放大和识别.本文在曲率模态基础上,提出了一种基于小波变换的梁式结构损伤识别方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,通过小波变换系数的变化和分布情况建立了结构损伤指标,可判定损伤存在,确定损伤位置和估计损伤程度.并通过一简支梁桥中T形截面梁的数值模拟对该方法进行了验证.     

空间单层网壳结构损伤杆件位置识别试验

为解决空间钢结构震后常发生杆件损伤的位置识别问题,设计一个单层网壳结构试验模型,切断单个杆件模拟实际结构的杆件损伤,对该损伤杆件进行位置识别研究.首先,根据空间钢结构自由度多,模态密集等特点,基于小波包能量分析法处理频率密集信号的优势,应用单层钢网壳结构损伤前后两个监测阶段的加速度响应数据,建立抗噪性能和灵敏性较好的损伤杆件位置识别指标向量.再应用有限元软件ANSYS建立17组不同位置杆件损伤的数值分析模型,分别获得17组有限元模型损伤前后的加速度响应数据,通过小波包分析处理后将其损伤指标向量作为损伤识别样本库,再将具有单个杆件损伤试验结构的加速度响应数据处理后得到的损伤识别指标向量与损伤样本库中各杆件损伤位置的指标向量进行聚类分析,识别出实际结构杆件有可能的损伤位置.该方法能够快速识别出实际结构中损伤杆件可能损伤的区域位置,试验结果也验证了方法的可行性和有效性,为后续工程应用研究提供了理论和试验支持.     

小波变换时频敏感特性的试验研究

利用小波变换的时频敏感特性，通过试验提出了结构在自由及受迫振动过程中的健康监测及损伤检测方法.在悬臂板与弹簧组成的系统的自由及随机振动过程中，通过烧断连接弹簧与悬臂板的细绳来对系统造成破坏，其中离散小波变换用于识别结构损伤造成的信号奇异性，而连续小波变换则用于排除外界脉冲噪声的影响及确定结构刚度损失的大小.试验结果表明，该方法能有效地监测结构振动过程中的损伤，以及检测结构刚度损失的大小.在结构随机振动试验中，连续小波变换施加在由随机减量法获得的自由衰减信号上，获得了更好的检测效果.所提出的离散小波变换与连续小波变换联合使用的结构健康监测及损伤检测方法可用于结构的在线监测，且无结构建模误差的影响     

基于“能量-故障”的复合材料层合板裂纹损伤检测与识别

对一含裂纹的复合材料层合板，通过粘贴在其表面一对压电压（一片作为传感器，一片作为激振器）构造子结构动力响应的激励和检测系统。通过守好板和损伤板的振动模态参数和时域响应信号比较，探讨了识别复合材料结构损伤的可行性。同时，利用小波包分析，基于动力响应信号各频率段的能量分布，撮结构损伤的特征量来表征结构损伤情况。结果表明，当用一个含有丰富频率成分的信号作为输入对系统进行激励时，可以较为准确地识别复合材料结构的裂纹损伤。     

基于小波分析和支持向量机的结构损伤识别

提出了基于小波分析和支持向量机的结构损伤识别两步法.首先利用小波变换分析信号的奇异性来判别损伤发生的时刻;然后提取损伤信号的小波包分量能量,利用支持向量机算法建立SVM模型估计结构的损伤位置.网架结构的数值算例结果表明该方法可以有效地识别结构损伤.     

一种基于经验模分解的结构微小损伤检测方法

提出了一种检测结构微小损伤的时域方法。首先采用经验模分解技术分解结构发生微小损伤前后在相同激励下的时域响应信号，得到响应信号的各阶固有模式函数，然后用波形指数来对结构响应信号的各阶固有模式函数进行量化。根据结构损伤前后时域响应固有模式函数的波形指数对比，就可容易地对结构发生的微小损伤进行判断。通过仿真算例发现，结构原始响应信号经过经验模分解后得到的固有模式函数对微小损伤敏感度较好，这种对微损伤的敏感特性可采用各阶固有模式函数的波形指数进行量化。因此该方法是一种时域内检测结构微小损伤的有效方法。     

基于机器学习的膝关节损伤检测方法

文章提出了一种基于机器学习的膝关节损伤检测方法。该方法利用加速度计采集的膝关节摆动信号,首先通过小波变换降低信号中的噪声能量,从而提高信噪比。接着,利用小波包分解提取小波能量,并通过梅林滤波器组计算信号的梅林倒谱系数。随后,将小波能量与梅林倒谱系数融合,形成融合特征,并通过主成分分析去除冗余信息。最后,采用最小二乘支持向量机、径向基神经网络和贝叶斯网络对健康和受损的膝关节摆动信号进行分类。实验结果表明,与现有方法相比,该方法在膝关节损伤检测方面具有更高的准确率。     

小波分析在桥梁结构损伤检测中的应用

大型土木建筑结构在长期使用过程中会因各种因素而产生损伤和结构强度退化,如果没有及时发现和采取必要的措施,将可能发生严重的事故,造成生命和财产的巨大损失。利用结构的振动特性的变化评估其健康状况,是当前研究的热点问题。本文基于结构振动测试和小波变换技术,确定结构可能发生的整体性能退化或局部损伤的大小和位置,以便应用于大型结构尤其是桥梁结构的在线损伤检测中。首先通过数值模拟分析得到结构的振动响应信号,再经过小波分析得到各阶子信号,进而获得各阶子信号的能量谱及损伤前后能量谱的变化。通过观察各阶子信号的差异和能量谱的变化评价结构的损伤状态。     

多分辨率分析和小波能量曲率的框架结构损伤识别

为研究运用多分辨率和小波包分析方法识别结构损伤的有效性,以三层混凝土框架结构为研究对象,分别建立不同损伤工况下的三维有限元数值模型,采用ANSYS程序进行动力时程分析,研究不同识别指标和输入信号的识别灵敏度以及其他因素对损伤识别结果的影响.分析结果表明:小波包能量曲率差法能够较好达到损伤识别的目的,输入信号使用加速度响应信号比速度和位移响应信号具有更好的识别效果;有限元模型网格划分、加速度时程响应信号的提取位置以及采样频率对损伤位置的识别有较大影响;有限元网格划分越密、加速度时程响应信号提取位置离损伤位置越近、采样频率越大,损伤位置识别越精确.