基于D-S证据理论的结构多精度损伤识别结果融合方法

在结构的损伤检测中，由于传感器数目、测试噪声等因素，限制了结构损伤检测与识别的能力。不同的损伤识别方法在检测过程中识别的精度不同，使用单一的损伤检测识别方法所获得的信息是不全面的。将Dempster-Sharer证据理论应用于结构的损伤识别中，将各种识别不同精度的检测方法融合，使最终识别的结果更为可靠、精确。通过对钢梁结构损伤识别的模拟计算，验证了D—S证据理论在融合多种不同精度损伤识别方法中的有效性。     

不同信息融合方法在结构损伤识别上的应用和分析

在工程结构的损伤探测领域,不同的信息融合方法和方式对结构的损伤敏感程度以及计算的复杂程度往往不同,而且适用条件也不同。为了解决以上问题,描述了基于结构损伤识别的功能信息融合模型,并在此基础之上采用了多种融合方法进行了数值仿真和分析。数值仿真结果表明,采用了信息融合技术的结构多损伤位置识别,可以产生比单一信息源更精确、更完全的估计和判决,而且不同的信息融合算法的应用往往取决于研究对象和实际条件的要求。     

改进模态应变能法在混凝土组合箱梁桥损伤诊断中的应用

为提高结构损伤识别方法的准确性和对噪声的鲁棒性,将多源信息融合技术引入到结构损伤识别方法中。针对模态应变能法诊断结构损伤一般需要完备模态的特点,采用信息融合技术对各阶模态应变能进行融合,建立了基于信息融合的改进的模态应变能法。通过对一座预应力混凝土组合箱梁桥损伤识别数值算例的分析,可以看出该方法具有良好的损伤敏感性,仅需要较少的低阶模态就可识别结构的早期损伤;同时,该方法具有噪声鲁棒性,当加入噪声等于或小于10%时可以准确识别结构的早期损伤。因此该文提出的基于信息融合的改进的模态应变能法具有较好的工程实用性。     

基于振动响应内积向量和数据融合的结构损伤检测方法试验研究

提出了一种基于振动响应内积向量(Inner Product Vector, IPV)和数据融合的损伤检测方法,并进行了相应的验证试验研究。分别以随机信号和正弦信号对结构进行激励,利用加速度传感器采集结构的振动响应信号,计算结构的损伤指标,然后利用数据融合理论将结构各参考点下的损伤指标进行融合。损伤检测的验证试验结果表明,结合数据融合理论后,能够避免原始IPV方法中参考点选取对检测准确度的影响问题,并能准确进行损伤定位。两组不同激振信号的检测结果对比显示,数据融合对外激励为正弦信号的检测结果的准确度提升更为显著。     

基于多个控制力作用下结构动力特性的损伤定位

用状态反馈控制的方法有目的地对结构进行极点配置，得到所需的受控结构的特征频率和特征振型，并利用这些数据，运用信息融合技术对由不同识别方法得到的损伤定位结果进行融合。本文还讨论了反馈控制力个数和位置对损伤定位结果的影响。数值仿真结果表明，使用受控结构的动力特性数据有可能提高损伤识别指标对损伤的敏感度，反馈控制力的个数和位置对损伤识别结果有影响，使用信息融合技术将采用不同损伤识别方法得到的识别结果进行融合，能进一步提高损伤定位的准确性。     

基于时域响应相关性分析及数据融合的结构损伤检测研究

基于时域振动响应的结构损伤检测方法因其便于实现在线监测受到了越来越多的关注。该文回顾了两种利用时域响应相关函数建立的结构特征向量(即内积向量及互相关函数幅值向量)及其对应的损伤检测方法。为了从时域响应相关函数中提取更多的结构健康信息,通过利用不同的结构响应组合,将上述两种结构特征向量扩展到了多种结构特征向量,并进一步采用数据融合理论,提出了检测精度更高的结构损伤检测方法。针对8层框架结构损伤检测的试验研究结果表明,该文方法可以对框架结构上的微小损伤进行定位。     

基于云计算的框架结构参数并行辨识算法

基于时域振动响应的结构损伤检测方法因其便于实现在线监测受到了越来越多的关注。该文回顾了两种利用时域响应相关函数建立的结构特征向量(即内积向量及互相关函数幅值向量)及其对应的损伤检测方法。为了从时域响应相关函数中提取更多的结构健康信息,通过利用不同的结构响应组合,将上述两种结构特征向量扩展到了多种结构特征向量,并进一步采用数据融合理论,提出了检测精度更高的结构损伤检测方法。针对8层框架结构损伤检测的试验研究结果表明,该文方法可以对框架结构上的微小损伤进行定位。     

基于多传感器信息融合的结构损伤识别研究

针对结构健康监测系统中的传感器数量多、数据信息复杂的特点，从模式识别和局部控制、全局参与的思想出发，提出了多传感器信息融合方法对结构损伤进行识别。首先应用小波包变换对结构振动测试数据进行特征提取，通过不同传感器特征向量的合成完成数据层融合；然后建立三个耦合神经网络分别实现结构损伤的确认、定位及定量，并完成决策层的信息融合；最后进行了36个损伤工况的结构模型实验研究，验证了所提出的方法是可行的和有效的。从实验验证的结果来看，对损伤率在7．5％以上的结构，损伤识别精度较高；对于损伤确认和损伤定位，识别精度较高，而对于损伤程度识别有一定偏差。     

基于结构动力特性的损伤检测可视化方法

提出基于结构动力响应的损伤识别多指标分层及融合可视化展示方法,使结构的损伤信息以可视化的图像直观地展示出来。以简支梁为研究对象,应用当前发展成熟的多个指标对单裂纹和双裂纹分别进行分层展示。应用自适应加权最小二乘法对多层图像进行融合可视化,解决了单一指标得到可视化结果仅能包含有限的损伤信息,容易造成漏判的缺点,使得融合结果更加精确。基于结伤动力特性的损伤检测可视化将为结构损伤识别和健康监测提供新的展示平台。     

基于数据融合和“能量-损伤”的结构多损伤模式识别

基于一致性数据融合算法和"能量-损伤"结构特征提取原理,提出一种结构多损伤模式识别方法,能够充分利用结构不同位置的不同状态信息,更好地对结构损伤做出判断。对一致性数据融合算法进行改进,使得改进后的算法能够克服一致性算法中两传感器在测量精度不同时置信距离不同的缺点,并对支持矩阵进行模糊化处理,避免人为定义阈值而产生的主观误差。利用"能量-损伤"特征提取技术,构造融合后多传感器测量数据的特征向量,以ART2神经网络作为模式识别工具进行结构多损伤识别。五层框架结构数值计算结果表明,提出的方法能够用于结构多损伤识别,且具有较强的鲁棒性、稳定性和适应性。