小波基特征提取的复合材料损伤检测

借助小波函数良好的时频带通性，利用Ｂ样条小波级数展开提取信号特征，并使之输入到自适应Ｂ样条小波神经网络进行学习和识别。最后从损伤检测领域中特征信号模式识别的应用角度，给出了利用上述理论进行复合材料无损检测的实例     

基于紧致型小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出基于紧致型小波神经网络的往复泵故障诊断方法。以往复泵单个泵缸内的压力信号作为系统特征信号通过小波包分解来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断。通过对往复泵液力端多故障诊断实例的检验表明,该系统故障诊断正确率达到94 %以上。     

基于EEMD与GA-小波神经网络的传动系声品质预测

为了进行车辆传动系声品质预测,实施了传动系整车转鼓试验,并结合主、客观分析量化了影响传动系噪声烦恼度的主要异响指标;同时,通过相关分析揭示了心理声学客观参量与主观评价的内在关系。引入聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法与本征模态函数(Intrinsic Mode Function,IMF)样本熵值对传动系噪声特征进行了提取;在此基础上,以Morlet小波基函数作为隐含层节点的传递函数构建小波神经网络(Wavelet Neural Network,WNN),同时运用遗传算法(Genetic Algorithm,GA)优化小波神经网络的层间权值和层内阈值,构造出GA-小波神经网络模型并用于传动系声品质预测;为了对比所提取的传动系噪声特征性能,将心理声学参量也作为模型输入以进行预测,同时,为了对比GA-小波神经网络模型的预测效果,引入了传统的GA-BP神经网络模型。分析结果表明:GA-小波神经网络较GA-BP神经网络能更准确、有效地对传动系声品质进行预测,并且以本征模态函数样本熵值作为预测模型的输入特征其预测结果较心理声学参量效果更佳。     

基于声信号的滚动轴承故障诊断研究

结合小波包短时能量散布熵、回溯搜索算法以及学习矢量神经网络，提出一种基于声信号的滚动轴承故障诊断新方法。首先利用小波包分解结合短时能量对声信号进行脉冲能量提取，突出与故障相关的时频子空间的能量分布，再通过计算各子空间短时能量序列的散布熵，构造特征矩阵。利用t-分布随机邻域嵌入方法对所获特征进行降维聚类，显示所提取的特征具有较好的聚类性能。然后采用回溯搜索算法优化学习矢量量化建立神经网络故障诊断模型，对轴承故障进行识别，并与多种诊断方法进行比较，试验结果表明，加入短时能量散布熵后，本模型提升了声信号的能量特性，优化了特征矩阵，诊断性能最佳。     

小波包能量谱和BP神经网络在波纹管压浆超声检测中的应用

针对小波分析在信号处理的局限性,将小波包分析和反向传播(Back Propagation,BP)神经网络相结合,提出一种基于小波包能量谱和BP神经网络的波纹管压浆超声检测方法。采用超声检测方法接收波纹管模型的回波信号,以小波包分解后各子频带的能量作为检测特征,当波纹管内部出现脱落时,检测特征会发生变化,最后将特征输入BP神经网络中进行分类识别。试验结果表明,该方法能够理想地实现波纹管内部缺陷的诊断,可为波纹管超声检测提供一定的技术支持。     

基于小波包和BP神经网络的风机齿轮箱故障诊断

为了对风力发电机组中最容易发生故障的核心部件齿轮箱进行故障诊断,提出基于小波包变换和BP(Back Propagation)神经网络的齿轮箱故障诊断方法。首先,根据齿轮箱工作时的振动信号特性,通过小波包变换方法对振动信号进行去噪、分解与重构,有效提取不同故障下各频段能量的故障特征;其次,将提取的能量故障特征输入至BP神经网络诊断系统中进行识别,实现故障的智能诊断。通过试验证明了该方法的有效性。     

用解卷积同态滤波识别桩身单缺陷界面反射

利用解卷积同态滤波，从桩顶反射波曲线的功率谱中分解得到频响函数│Ｈ（ｆ）│，在单缺陷界面反射条件下，根据│Ｈ（ｆ）│函数的基本特性可以确定反射系数及反射波往返时，进而确定桩身缺陷位置及缺陷严重程度，以实现桩身质量定量诊断的目的。给出了两根桩的桩身缺陷识别实例。     

基于模糊神经网络与主成分分析的磨削表面粗糙度在线预测

基于声发射和振动信号提出了一种模糊神经网络和主成分分析的表面粗糙度预测方法,以提高磨削过程中工件表面粗糙度识别的准确性。首先,采集磨削程中声发射与振动信号,提取相关时域特征、频域特征和小波包特征参数,利用主成分分析对特征量进行降维优化;然后,构建表面粗糙度模糊神经网络预测模型,将信号特征量与表面粗糙度作为模糊神经网络的输入和输出;最后,对模型进行训练,并对表面粗糙度预测精度进行验证。实验结果表明:通过主成分分析(PCA)方法对声发射和振动信号特征量进行降维得到5个主成分,以此建立的模糊神经网络表面粗糙度预测模型的效果精度可达到91%以上,与局部线性嵌入和多维标度法降维方法相比,PCA方法降维后的特征所含信息更优,预测准确度更高。     

基于小波包变换的径向基神经网络在故障诊断中的应用

提出了一种新的旋转机械故障诊断方法。基于小波包变换的频率划分特性，对旋转机械的振动信号进行小波包分解，建立旋转机械六种典型故障特征矢量，准确地提取了故障的特征信息，结合RBF神经网络训练速度快的优点，将RBF神经网络应用于故障特征的选择，最后，利用所确定特征及RBF分类器进行故障诊断。实验结果表明，该方法可实现典型故障的可靠诊断。而且由于利用小波包变换代替了传统的FFT，故本方法对于诊断频率分布范围较广而复杂且信号具有较强时变性的复杂故障有着良好的应用前景。     

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。     

基于小波变换的反射波法基桩检测

鉴于反射波法在低应变检测中主要受较大长径比、桩侧土剪切模量及微小缺陷、桩顶非裸露自由等条件限制存在的局限性,而小波变换时频特性优良,适用于基桩检测信号中探测奇异成分,故通过建立三维轴对称有限元模型,对模拟信号进行小波变换后发现：对顶部裸露自由桩,小波变换可获取微小桩底或缺陷反射,可减小长径比、桩侧土剪切模量、缺陷面积的限制;通过平台激振,使平台在有效尺寸范围内实现对桩底的深度检测。     

桩身质量检测的一种新方法：桩形估计法

本文提出了桩身质量检测的一种新方法——桩形估计法,或称“ESP”(Estimation of theShape of a Pile)法。该法基于一维杆应力波理论,将桩划分为N 个单元,根据波在各单元界面处反射与透射的传波原理,推导出在桩顶进行瞬态激振时桩顶的速度响应与界面反射系数以及桩的形状之间的关系。对几种典型缺陷桩进行了计算机模拟,其结果证明作者所提出的桩形估计法是可行的和有效的。现场试验更进一步证明:该法能够较准确地估计出缺陷桩或好桩的形状。     

Detection of defective pile geometries using a coupled FEM/SBFEM approach and an ant colony classification algorithm

Piles are widely used to build a proper foundation for various buildings. The piles’ quality in situ can be tested by a so-called pile integrity test. In order to apply this test, an impulse is given to the piles’ head which generates a p-wave running through the pile. An acceleration sensor is attached to the piles’ head, to measure the vertical movement. The major part of this wave is reflected from the piles’ toe and is measured by the attached acceleration sensor on top of the pile. This yields an acceleration–time plot which has to be analysed in order to determine the piles’ condition with respect to structural consistence and mostly radius defects. Since deviations in the cross section of the pile cause additional reflections, suitable post-processing can be used in order to detect these defects. In this paper, we propose an ant colony classification model to detect structural defects in piles by evaluating displacement–time plots to improve the reliability of pile monitoring. The data of these plots result to numerically performed pile integrity tests. To conduct these tests, a simulation of a combined finite element method and scaled boundary finite element methods has been carried out. These results are used for learning and training the ant colony classification model and to have different sets of data to validate the optimization algorithm. The position and the type of piles’ defect can be identified by the applied algorithm.     

用桩顶脉冲响应信号估计基桩桩身形状

本文提出了一种用实测桩顶脉冲响应信号估计基桩桩身形状的方法，该方法能定量确定桩身缺陷的位置、延伸范围以及严重程度。文中给出了两根模型桩桩身形状估计的应用实测。     

多桩锤同步振动系统及同步控制策略研究

随着桩径越来越大,桩长越来越长,单台振动桩锤很难达到大直径桩基施工的功率要求,多锤联动同步振动是解决这一问题的有效方法。对多锤同步振动控制的基本原理与实现方法作了分析和探讨,在此基础上设计了基于现场总线的同步控制系统,构建了一个开放的分布式控制网络。考虑振动桩锤的工作特点和机械特性,制定了速度同步与相位同步的控制策略。仿真分析和实验均表明,设计的同步控制器响应速度快,鲁棒性强,稳定性好;这种通过现场总线互连的多锤联动系统能较好地实现同步振动,速度差与相位差均能满足工程要求     

基于最优基小波的基桩弱损伤应力波检测

从提高小波分析与基桩弱损伤检测的匹配性入手，提出了基于最优基小波连续小波变换的基桩应力反射波无损检测方法。该方法首先引入膨胀参数把标准Marr基小波扩展为Marr基小波空间，增强了基小波选取的自由度；进而依赖工程目的和分析对象建立香农熵测度以确定Marr最优基小波；最后采用最优基小波对基桩检测应力波进行连续小波变换，模谱的局部能量集中指示了桩底反射。基桩动力测试数值实验验证了方法是可行、有效的，且最优基小波能够有效地提高弱损伤检测精度。     

管桩承载性状的数学描述

基于5根桩现场试验资料的分析,对表征管桩承载性状的桩顶荷载-桩顶沉降曲线、桩身压缩-桩顶荷载曲线进行了数学描述。结果表明:1)用Boltzmann数学模型拟合5根桩的桩顶荷载-桩顶沉降曲线,效果很好,相关系数都达到了0.996以上。2)从综合系数-桩顶荷载曲线图上可发现5根桩的曲线形状有3种类型。3根短桩的综合系数大,2根超长桩的综合系数小。这些反映出综合系数是一个变量而非常数,要由它来确定桩身压缩难度较大。3)用Boltzmann数学模型对桩身压缩-桩顶荷载关系曲线进行回归拟合,效果也很好,各单桩的相关系数都达到了0.996以上,5根桩的综合相关系数为0.9871。这样就可根据已有试桩资料的回归拟合曲线及其方程式来预测和计算该场地及其类似场地中钢管桩的桩身压缩。4)Boltzmann数学模型是适合描述钢管桩桩顶荷载-桩顶沉降、桩身压缩-桩顶荷载这两类曲线的,它为桩身压缩及其极限值的预测、为桩顶极限承载力的判定提供了新方法。5)极限荷载与长径比成大致的负线性关系。     

竖向地震作用下结构—群桩—土相互作用

本文基于桩—土—桩动力相互作用原理,将群桩的动力问题化为群桩中每两根桩的动力问题,使分析得到简化。在群桩阻抗函数的推导中引入了桩周软化土域,以近似考虑桩周土的非线性影响。推导针对端承桩及摩擦桩两种情形。编制了专用计算程序VRSPS,进行了参数影响计算及工程实例计算。     

基坑爆破预留层对围护桩的保护作用数值分析

基坑爆破开挖工程中爆破开挖部分与围护桩之间通常会预留一定厚度的岩土层,用以保护基坑围护结构的安全,免受爆破产生的巨大能量的损害。为了得到合理的预留层厚度,保证基坑开挖过程的安全,最大限度缩减施工周期,提高经济效益,采用LS-DYNA有限元分析软件,对基坑爆破开挖时对临近钻孔灌注桩的保护效果进行了数值计算分析。分析得出,预留1.5m厚中风化泥岩作为临近钻孔灌注桩的保护层,能显著降低爆炸荷载作用下钻孔灌注桩的压力峰值和最大主应力峰值,保护临近钻孔灌注桩免遭破坏;同时临近钻孔灌注桩的最后一排炮孔孔间采用25ms延时时间,可有效避免应力波峰值的叠加,进一步保护了钻孔灌注桩的安全。此结论可为类似工程提供参考。     

基坑爆破预留层对围护桩的保护作用数值分析

基坑爆破开挖工程中爆破开挖部分与围护桩之间通常会预留一定厚度的岩土层,用以保护基坑围护结构的安全,免受爆破产生的巨大能量的损害。为了得到合理的预留层厚度,保证基坑开挖过程的安全,最大限度缩减施工周期,提高经济效益,采用LS-DYNA有限元分析软件,对基坑爆破开挖时对临近钻孔灌注桩的保护效果进行了数值计算分析。分析得出,预留1.5m厚中风化泥岩作为临近钻孔灌注桩的保护层,能显著降低爆炸荷载作用下钻孔灌注桩的压力峰值和最大主应力峰值,保护临近钻孔灌注桩免遭破坏;同时临近钻孔灌注桩的最后一排炮孔孔间采用25ms延时时间,可有效避免应力波峰值的叠加,进一步保护了钻孔灌注桩的安全。此结论可为类似工程提供参考。