基于小波包能量曲率差的古木结构损伤识别

本文以西安钟楼为工程依托,对随机激励作用下古木结构的损伤进行有限元模拟,把古木结构梁上各节点的加速度响应信号进行小波包分解,通过小波包能量曲率差对古木结构进行损伤定位。在无噪声干扰时,该指标对于古木结构的损伤定位比较敏感,可准确判定古木结构的损伤位置,该指标随损伤程度的加大而增大。该指标在高斯白噪声干扰下,当信噪比SNR大于或等于40db时,能对古木结构的损伤进行准确定位,该指标具有一定的抗噪声干扰能力。随后得出了损伤指标和损伤程度之间的函数关系式,用其进行损伤程度的判断并验算其适用性,为研究环境激励下西安钟楼的损伤预警提供了理论依据。     

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.     

基于小波包能量与模型修正的海洋平台结构损伤识别

对于常年服役的海洋平台,准确的损伤识别是保证其安全运行的重要保障。提出了一种对损伤敏感的小波包分解方案选取原则,以结构损伤前后加速度信号的小波包能量变化率作为残差,以结构的弹性模量作为待修正参数,通过灵敏度分析构建了一种新的目标函数用于模型修正和结构的损伤识别。将上述识别方法应用于简支梁模型,能够准确地识别出损伤的存在、位置和程度,验证了方法的可行性。对被噪声污染的信号进行识别分析,证明方法具有一定的鲁棒性。对噪声污染严重的信号进行小波阈值降噪处理,识别效果较降噪前有所改善。将方法应用于海洋导管架平台模型,对不同层高、不同杆件类型的损伤工况均能有效识别,说明方法对多层复杂结构同样适用。     

曲率模态和小波包变换在结构损伤识别中的应用

小波包变换相比传统的Fourier变换,对非平稳信号分析具有良好的特性.利用小波包变换的特性,根据曲率模态损伤检测原理提出了一种基于小波包组分能量变化率作为损伤指标的分析方法.通过一简支梁结构的数值模拟,表明该方法对于判定损伤存在和确定损伤位置是有效的.     

基于小波包分析的Benchmark结构损伤预警试验研究

在基于小波包能量谱的结构损伤预警方法基础上,开展了Benchmark结构损伤预警的试验研究.通过Benchmark试验模型模拟结构的多种损伤状态,并采集模型在结构损伤前后的动力响应,在此基础上计算了结构损伤预警的小波包能量谱及其损伤预警指标.试验结果表明:基于小波包能量谱的结构损伤预警指标具有良好的损伤预警能力,可以准确地判定结构初期损伤的发生.     

利用模态柔度曲率差识别框架的损伤

采用结构模态参数进行损伤识别是研究较早，应用较多的无损探伤检测方法。提出了一种称为模态柔度曲率差的损伤检测指标。该指标利用模态柔度，不仅比频率和振型更敏感，而且对高阶模态的依赖大为减小。此外，曲率的采用也增加了其对损伤的敏感程度。对两个框架有限元模型进行了分析，详细比较了该指标和振型曲率改变率等其它一些指标在不同的损伤分布和损伤程度下的损伤识别效果，发现模态柔度曲率差识别效果最好，结果最稳定。     

基于小波包能量谱的结构损伤预警方法试验研究

摘 要：通过钢梁损伤试验,验证基于小波包能量谱的结构损伤预警方法在实际结构上应用的有效性。对钢梁进行完好工况和三个损伤工况的动力响应测试,对得到的响应进行小波包分解,考察损伤前后各个特征频带的能量变化。试验结果显示,损伤预警指标ERV和ERVD能够对三种损伤工况做出有效预警;同一工况的多次测试得到的损伤预警指标ERVD虽有变化但变化不大。基于小波包能量谱的结构损伤预警指标对结构损伤具有敏感性、对测试噪声具有鲁棒性,可以用于实际结构损伤预警。     

基于柔度差曲率矩阵的结构损伤识别方法

柔度是较频率和位移模态更敏感的结构损伤标示量。提出利用结构损伤前、后的柔度矩阵,先后对柔度矩阵差的列、行进行两次差分,求得柔度差曲率矩阵(δFlexibility Curvature Matrix),并以其对角元素作为检测结构损伤指标(δFCMD)的新方法。该方法仅需低阶模态参数即可进行损伤检测,不论对简支梁、悬臂梁、固支梁,或多跨连续梁,单一位置损伤、支撑处损伤、轻微损伤,还是多种损伤共存,均具有损伤定位的能力、并能定性反映损伤程度。通过与已有的柔度差、柔度变化率、均匀荷载面曲率差等柔度指标的数值模拟分析研究,显示了该指标检测损伤的有效性和优越性。     

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。     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

基于动能密度的结构损伤识别

摘 要: 提出改进的动能密度指标损伤识别法,基于加速度测试数据,直接在时域内进行损伤识别。首先从理论上分析了动能密度指标,介绍了基于该指标建立的损伤识别方法;接着指出了改方法存在的问题,并详细分析了原因;然后针对这些问题,采用基线修正技术及小波包变换方法对该方法进行改进;最后将改进后的动能密度指标识别法用于一连续梁数值模型和一钢框架动力试验的损伤识别,结果表明该方法能够有效识别损伤位置,大概反映损伤程度;并且无需完备的模态信息,能克服激励的影响,具有良好噪声鲁棒性,适用于多种结构的损伤识别。因此,可以预见该方法具有较大的工程实用价值。     

基于模态应变能和小波变换的结构损伤识别研究

针对单一方法对结构同时发生多处不同程度损伤识别的不敏感性缺陷,本文结合小波变换在时域、频域内表征信号局部特性且能够聚焦到信号或函数的任意细节进行处理的能力,提出了一种基于单元模态应变能和小波变换的结构损伤识别方法。在单元模态应变能基础上,利用小波变换系数的变化和分布情况构建单元模态应变能小波变换结构损伤指标,通过对简支梁的数值模拟和斜拉桥模型试验研究的结果与单元模态应变能平均变化率作为损伤识别指标的计算结果进行对比,结果表明该方法能有效确定结构同时发生多处不同程度损伤的位置和估计损伤程度,为实际工程应用奠定了基础。     

基于小波包的调频波解调软件方法

提出了基于小波包的调频波解调方法 ,通过对各种调频信号进行时频分析 ,给出了信号的时间—频率谱图 ,能有效地检测到瞬时频率和获取调频信息 ,该方法可广泛应用于动态测试和软件无线电等领域     

基于小波包的胃电信号消噪处理的研究

对胃电信号进行了快速傅立叶分析、功率谱分析,并重点进行了小波包分析,利用小波包变换所具有的优良时频分析特征和多尺度传播特性,消除胃电信号的噪声,从而提高了胃电信号的信噪比,为胃电信号的深入研究提供了良好的基础.     

基于Wigner-Ville分布交叉项的独塔自锚式悬索桥损伤识别试验研究

为研究以Wigner-Ville分布的交叉项作为指标进行损伤识别效果,探究完整的提取交叉项方法,通过对二重余弦信号的Wigner-Ville分布推导,获得主项与交叉项的位置关系及交叉项震荡特性;据此设计相应的提取方法,将Wigner-Ville分布中各频率段正负能量分别沿时间轴积分,将正负能量之和绝对值作商,通过设定阈值进行筛选获得交叉项能量分布;以工程实例为研究对象,通过对比无、有损状态下对应测点交叉项能量差的突异点识别损伤位置与程度。试验结果表明,交叉项可作为损伤识别指标,且效果显著。     

基于小波包变换的减速机降噪方法研究

在小波包降噪的基础上,提出了一种对小波包降噪后的残差信号进行频谱分析和统计分析的新方法．该方法首先对原始振动信号进行小波包降噪,然后根据降噪后的振动信号和原始振动相比的差值提取残差信号,最后通过对残差信号进行频谱分析提取产生噪声信号的特征频率,通过对残差信号的统计量分析判断设备运行状况。实例验证了小波包降噪和小波包降噪后残差统计分析的正确性。     

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。