利用多分辨率分析法进行圆拱结构裂纹定位

小波分析可以同时在时域和频域取得最佳分辨率,这使得小波理论成为处理非平稳信号的有利工具。将小波理论引入到分析损伤结构的特征信号有利于准确地评价结构健康状况。本文将利用小波多分辨率分析对单、双位置的拱结构损伤进行定位研究。数值算例表明:利用sym4小波通过对多分辨率分析的高频成份进行单支重构,其重构系数的突变可以指示出裂纹位置。此外,对多位置的损伤识别,小波多分辨率分析依然有效。     

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?     

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。     

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。     

结构损伤识别中小波基函数的选择

基于小波变换损伤指标不仅可以反映试件不同加载阶段的损伤程度,还可以为判断结构何时屈服提供一定的依据。小波基函数的选用是该损伤指标应用的一大难点。通过枚举法挑选合适的小波基函数及分解层数,并用此对两种不同边缘约束措施的叠合板式剪力墙和两种普通剪力墙进行了分析,计算结果与试验结果吻合良好,表明该方法是可靠的。     

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。     

结构损伤识别中的小波变换法研究

对小波变换在结构损伤识别中使用归结为，对结构服役状态的监测和对结构损伤的定位和评估两类，并选取典型的使用实例进行介绍和评论，最后对小波理论在该领域的应用前景进行了展望。     

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。     

基于结构挠度和小波变换的梁式结构损伤识别

基于小波函数对损伤前后的结构挠度曲线进行多层分解,提出了一种梁式结构的损伤识别方法。该方法可以通过小波变换系数的变化和分布情况来识别结构是否损伤并确定出损伤的具体位置,数值模拟悬臂梁桥的结果显示该方法对于梁式结构的单一损伤和多损伤情况具有一定的适用性。     

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。     

基于小波多分辨率分析的简支梁损伤识别方法研究

基于小波多分辨率分析的方法,根据移动载荷作用下简支梁动态响应特性,利用梁上一点振动信号对裂纹梁进行损伤识别。移动载荷经过梁上裂纹处时,必然导致梁响应时间历程曲线的奇异性,这种奇异性不能直接被观察到,但是可以通过小波多分辨率分析进行识别。利用有限元Ansys软件的瞬态分析方法进行裂纹梁移动载荷作用下的损伤识别数值模拟,通过梁上某一点挠度、速度和加速度的振动信号,利用小波多分辨率分析有效地识别出单个及多个裂纹,同时扩展到多个同向和相向移动载荷作用下裂纹梁的损伤识别。     

基于小波理论的悬臂梁裂纹定位研究

利用小波多分辨率分析,对含裂纹悬臂梁的裂纹进行定位研究,数值算例表明:多分辨率分析的高频重构部分的系数峰值清楚地指示出裂纹位置,并对不同消失矩的小波的识别效果进行了比较,发现如果只是进行裂纹定位,低阶消失矩的小波的指示效果更好。     

基于小波分析的结构损伤诊断

综述了目前基于小波分析、统计的小波包特征、以及基于小波包与神经网络等技术对结构进行损伤诊断的3种方法,以及各方法的优缺点及适用范围。     

基于小波变换的传感器故障诊断研究

主元分析法可以应用于空调系统的传感器故障诊断,但是测量数据中隐含的噪声及系统的动态性影响了这一方法在故障诊断时的效果。本文提出采用小波变换的方法对测量数据进行分解,利用不含噪声及动态性的低频信号进行传感器的故障诊断,即基于小波变换的主元分析故障诊断法。该方法采用一大型离心式制冷机的实测运行数据进行验证,且同时与常规的主元分析法进行比较,结果说明基于小波变换的主元分析法可以提高故障诊断水平。     

夹层玻璃板PVB动力损伤检测的有限元格式

提出了一种夹层玻璃板的一阶剪切变形位移模式,由此建立了静力计算和自由振动的八结点有限等参单元公式.同时本文将“频率变化比”方法应用到夹层玻璃板PVB损伤检测中,用推导出的有限元公式建立了频率变化比法的分析过程.     

采用扩展的贝叶斯人工神经网络选择结构损伤监测模型

对采用规则的动态数据进行结构损伤监测时,模式识别是一个有效的方法,人工神经网络作为匹配模式特征的系统方式广泛应用于模式识别研究中。人工神经网络设计是影响模型识别性能和效率的最基本因素。由Lam等人提出的贝叶斯人工神经网络设计法则为单隐层前馈人工神经网络确定大量隐性神经单元提供了严格的数学手段。本文的第一个目标是对贝叶斯人工神经网络设计法则进行拓展,包括选择隐层中神经单元的传递函数。所提出的法则具有高效的特点,适用于实时人工神经网络设计。目前,许多人工神经网络设计技术需要在训练前已知人工神经网络模型的类型,因此,最基本的问题是自动选择优化的人工神经网络模型类型的技术。由于模型参数和Ritz向量一般用于描述模式的特征,本文的第二个目标是采用模式识别对结构损伤监测中这两个模式特征进行比较。为了清楚判断这两个特征,研究中采用了IASC-ASCE准则。研究结果显示:采用模型参数进行训练的人工神经网络性能略优于采用Ritz向量进行训练的人工神经网络性能。     

利用小波去噪方法处理建筑物变形监测数据

本文基于小波分析理论 ,利用小波去噪技术 ,对一组建筑物变形监测数据进行了去噪处理。实际计算结果表明 ,小波去噪合理有效 ,能够敏感识别观测噪声和有用信息 ,不需要待处理数据的先验知识 ,特别适合于建筑物变形监测的数据处理。     

用小波分析法分离变风量系统流量传感器故障

阐述了主成分分析法对变风量（VAV）系统流量传感器故障识别失效的原因,给出了小波分析法的特点及其原理,着重描述了如何运用小波分析分离VAV系统中的共线性流量传感器故障。实例研究结果表明：小波分析能够很好地识别共线性的流量传感器故障。     

提升小波理论在铁路MOA在线监测系统中的应用

在铁路MOA在线监测系统中,铁道电网的高次谐波含量大、频率不稳定、电压波动大,使在线监测系统存在大量的干扰、噪声等问题。引入了提升小波理论,这是一种新的理论,与经典小波变换相比,具有小波构造简单、运算速度快和节省存储空间等优点。提升小波理论继承了第一代小波多分辨率的特性,不依赖傅立叶变换,很容易从正变换得到反变换。把提升小波理论应用到铁路MOA在线监测系统中,可以解决数字滤波、去除干扰和噪声等问题。运用MATLAB7.0对其进行仿真,得出提升小波是一种更为有效的分析方法。