提升小波包和BP-AdaBoost模型在大跨斜拉桥拉索损伤识别中的应用

为了有效地进行工程结构的损伤识别,提出基于提升小波包特征提取和BP-Ada Boost模型的大跨斜拉桥拉索损伤识别方法。该方法首先利用提升框架,将结构损伤前后的振动测试信号进行提升小波包分解,提取小波包信号分量能量并将能量累积变异值作为特征值,识别斜拉索损伤位置,然后以此建立BP-Ada Boost(Back Propagation neural network,Adaptive Boosting)模型,利用Ada Boost算法和BP神经网络相结合的方法对大跨斜拉桥拉索的损伤程度进行识别,并研究噪声对该算法的影响。数值分析结果表明,采用基于提升小波包和BP-Ada Boost模型相结合的方法能够有效地识别大跨斜拉桥拉索损伤。     

梁损伤小波包分析和神经网络识别

针对柔性悬臂梁裂缝损伤问题进行损伤位置和损伤程度的识别研究。首先用有限元法建立系统动力学模型。然后对系统的动力响应信号进行小波包分解,建立基于小波包能量谱的损伤指标。把损伤指标作为改进BP神经网络的输入特征参数,用分步识别方法进行损伤位置和损伤程度的识别。最后进行了数值仿真研究。仿真结果表明,利用小波包分析和改进的BP神经网络可以精确地识别出柔性梁的损伤位置和损伤程度。     

基于提升小波包和模糊模式识别的结构有限元模型修正

该文提出了基于提升小波包特征提取和模糊模式识别的结构有限元模型修正方法,首先建立以节点固结系数表示的空间网架单元刚度矩阵,然后利用提升框架,将结构振动测试信号进行提升小波包分解,提取小波包信号分量能量作为特征向量,以此建立模糊模式识别的模糊子集,最后利用模糊模式识别方法对结构进行有限元模型修正,并研究了噪声对该算法的影响。为了证明该方法,对一个二层网架结构模型进行了数值仿真,结果表明该方法能够有效的修正结构的有限元模型。     

基于参数识别和小波包分析的故障特征提取

针对2D12往复式压缩机气阀的工作特点,提取吸气阀与排气阀均关闭时的压缩过程的局域信号.以此为研究对象,应用模态参数识别与小波包分析相结合的方法对气阀进行故障诊断,最后给出气阀正常与故障时的时域特征参数的图谱分析.     

结构损伤识别的小波包分析试验研究

在结构服役期内，由于局部损伤的累积发展将导致结构刚度等特性的降低，可能导致灾难性的事故。传统的基于模态参数的损伤识别方法有时效果并不理想。提出基于小波包变换的能量变化率指标，并用其进行损伤识别的方法。首先将所得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进行损伤定他。通过三种不同损伤工况的梁体室内试验，证明所提出的损伤指标可以准确地识别损伤位置。     

基于小波包和双谱的发动机异响模式识别

摩托车发动机异响识别通常采用人工听诊法,受环境因素和经验参差不齐的影响准确率较低。本文旨在寻找一种科学、有效的模式识别法来提高异响类型识别的准确度。利用麦克风采集发动机近场声音信号,首先利用小波空域相关滤波法去除背景噪声;然后分别采用小波包变换和双谱估计提取发动机声信号特征向量,作为发动机异响模式识别支持向量机的输入向量;选取RBF核函数及参数建立分类模型并训练;最后用测试样本检验分类模型的准确率。通过分析,采用本文提出的发动机异响特征提取方法进行模式识别,训练准确率为98%,测试准确率达到100%。     

基于小波包能量谱的结构损伤预警方法研究

基于小波包分析推导了结构动力系统在不同分析尺度上的状态方程和观测方程,在此基础上研究了结构动力响应在不同分析尺度上的时-频特性以及系统矩阵和测量噪声在各个分析尺度上的递推性.理论分析证明,采用结构动力响应的小波包能量谱进行结构损伤预警具有较好的损伤敏感性和噪声鲁棒性.根据瞬态激励的特性提出对激励和响应的时域互相关序列进行小波包分解得到小波包能量谱,并在此基础上计算结构损伤预警指标.通过一钢筋混凝土板静力承载力的振动试验分析,对板不同受力阶段的损伤状态进行了判别,并与实际损伤程度进行了比较.     

基于小波包能量曲率差法的桥梁损伤识别试验研究

针对各种损伤识别指标中,小波包能量曲率差法仅有数值仿真、未经试验验证,尤其缺少实际工程验证问题,用数值模拟验证该方法识别结构损伤的有效性;利用沧州子牙河新桥替换下的梁体,进行两种工况损伤模拟。通过测试完好与损伤状态各点加速度响应,用小波包能量曲率差法识别损伤,考察小波函数和分解层数对识别效果的影响。结果表明,该方法有效,并可应用于实际工程。     

基于小波分析的结构损伤检测

损伤结构的动力特性具有局部时变的特征，小波变换在时域和频域都具有表征信号局部特征的能力，小波包分析利用可以伸缩和平移的可变视窗能够聚焦到信号的任意细节，因此可以对损伤结构的非线性动力特性能进行有效的分析。提出运用小波分析提取结构损伤特征向量的方法和基本原理，并进一步用神经网络进行损伤位置和程度的检测。文章通过一个两层框架的模型对小波神经网络和传统的BP网络的损伤识别精度作了对比。研究表明，小波神经网络的抗噪声能力较强，损伤识别的效果更好，运用小波神经网络进行结构损伤识别精度要优于传统的BP网络。     

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。     

Assessment of Structural Damage Condition Based on Fuzzy Pattern Recognition

This paper presents a new method of damage condition assessment that allows accommodating other types of uncertainties due to ambiguity, vagueness, and fuzziness that are statistically non-describable. In this method, healthy observations are used to construct a fuzzy set representing sound performance characteristics. Additionally, the bounds on the similarities among the structural damage states are prescribed by using the state similarity matrix. Thus, an optimal group fuzzy sets representing damage states such as little, moderate, and severe damage can be inferred as an inverse problem from healthy observations only. The optimal group of damage fuzzy sets is used to classify a set of observations at any unknown state of damage using the principles of fuzzy pattern recognition based on an approximate principle. This method can be embedded into the system of Structural Health Monitoring (SHM) to give advice about structural maintenance and life prediction. Finally, a case study, which comes from Reference [9] for damage pattern recognition is presented and discussed. The compared result illustrates our method is more effective and general, so it is very practical in engineering.     

基于小波包的振动信号去噪应用与研究

小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力。基于小波包变换的优良时频分析特性,论述小波包分析的基本原理,研究小波包在振动检测信号消噪处理中的应用,给出应用小波包变换对基于MSP430F449单片机的信号采集电路所检测到的振动信号进行消噪处理的实例。结果表明小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法能够更好地去掉高频部分,从而达到有效去除信号中噪声的目的。     

用1(1/2)维谱结合小波包能量提取地震动信号特征

针对车辆（轮式车、履带式车）引起的地震动信号中,具有非平稳、非高斯性特征相互重叠的实际情况,研究了地面活动目标产生的地震动信号特性;从理论上说明了1(1/2)维谱可消除车辆引起的地震动信号中的高斯白噪声或有色噪声,在将[112]维谱分析和小波包能量谱相结合的基础上,提出一种特征提取方法,以便区分不同的车辆目标。在时频域构建以[112]维谱和小波包能量谱作为地震动信号的联合特征向量,建立以训练误差为目标的BP神经网络模式分类器;然后对两类车辆信号进行识别。地震动信号的车辆实测数据表明,该方法能够准确和有效地识别车辆引起的地震动信号。     

基于小波包能量法的汽车后桥质量检测

汽车后桥是汽车的关键部件之一,在其出厂前要进行严格的质量检测.采用小波包能量法提取后桥的运行状态特征参数并确定其质量检测阈值,若检测过程中提取的参数值在阈值允许范围内则产品合格,这种方法能够完成自动检测,应用构建的虚拟仪器很好的实现了这一点,更适合现代化生产的需要.     

基于小波分析的结构损伤检测发展现状与展望

基于小波分析的结构损伤检测技术，以其良好的应用前景，已成为目前学术界、工程界研究的热点。在回顾和总结了小波分析理论及其在结构损伤检测中研究现状的基础上，对今后的发展进行了讨论和展望。     

小波包变换在金属磁记忆信号处理中的应用研究

金属磁记忆技术是对金属部件进行早期损伤检测行之有效的方法.针对磁记忆信号中存在干扰磁场,不利于应力集中区特征信号的识别的问题,运用小波包分解重构的滤波方法。小波包将信号分解到各个不同的频段,截取感兴趣的频段,再重构信号,达到降低干扰信号的目的。仿真分析验证了该方法的可行性。通过对实测磁记忆信号进行小波包分解重构,使得应力集中区的特征更易识别,取得了较好的效果,降低了误判的几率。     

提升小波包变换技术在工程爆破远程测振系统中的应用研究

为适应工程爆破精细化、数字化要求,建立了具有完善信号采集功能的工程爆破远程测振系统。为提升该系统对爆破振动实测数据的信号分析能力引入了提升小波包变换技术。在算法基本原理的基础上,通过算法复杂度分析表明其相对传统小波算法运算速度提高约100%,运算速度快。通过提升小波包算法在爆破振动实测信号能量、时频特征提取中的应用研究表明,基于插值细分的提升小波SGW(6,6)占用资源少、分析精度高,能够满足数字爆破测振及高精度信号分析的需求。     

基于提升小波的发动机振动信号相关分析

发动机的振动信号一般呈非平稳时变特征.傅立叶变换只能确定一个函数奇异性的整体性质,而难以确定奇异点在空间的位置及分布情况.经典的小波变换具有空间局部化性质,但多数性质都是通过傅立叶变换性质来实现的.提升算法摆脱了这种局限,它从一个简单的多分辨分析开始,然后向具有某一特性的MRA逐渐逼近.根据信号与噪声在各尺度下的不同传播特性,通过各层之间相关性分析滤除噪声,有效的提取出信号特征.     

Identification of Added Mass in the Composite Plate Structure Based on Wavelet Packet Transform

A new concept has been introduced that the combination of rotational mode shape with two‐dimensional wavelet packet transform to detect the added mass (damage) in a glass fibre reinforced polymer composite plate structure. Wavelet packet transform is an advanced signal processing tool that can magnify the abnormality features in the signal. Rotational mode shapes are sensitive to damage in beam and plate structures. The proposed method employs an added mass, which slides to different locations to alter the local and global dynamic characteristics of the structure. Finite element analysis is carried out to obtain the first three rotational bending mode shapes, from the damaged plate structure, then used as input to two‐dimensional wavelet packet transform. The numerical results of normalised diagonal detail wavelet packet coefficients show a peak at single or multiple added mass (damage) locations of a plate structure for two different boundary conditions. This method seems to be sensitive to relatively small amount of damage to the plate structure. A simple parametric study is carried out for the damage extent quantification. In addition, investigation with noise‐contaminated signals shows its feasibility in the real applications.     

根据响应识别桥上列车荷载的模糊模式识别方法

为准确快速的获知通过桥梁的列车荷载大小,将模糊模式识别的方法引入桥梁列车荷载识别问题,将列车荷载识别过程转变为与列车荷载响应标准模式库的模式匹配过程。采用数值分析方法,分别基于桥梁位移、速度和加速度响应对鄱阳湖连续钢桁桥列车荷载进行识别,结果表明利用加速度响应获得的识别结果精度要明显好于采用位移和速度响应获得的识别精度,同时通过对在噪声干扰下列车荷载识别结果的分析,验证了本文所述方法对桥上移动列车荷载进行识别的可行性和准确性。