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。     

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。     

基于模糊神经网络的数据融合结构损伤识别方法

为了有效利用结构健康监测系统中的多源传感器数据信息,提高损伤检测与评估的识别正确率,该文通过构造模糊神经网络分类器,提出了一种基于模糊神经网络的数据融合损伤识别方法并将之应用于结构健康诊断中。它先通过数据预处理,提取原始响应信号中的特征参数,接着将之作为模糊神经网络的输入,构造模糊神经网络模型进行识别决策,最后运用数据融合算法,计算出数据融合后的决策结果。为了验证所提方法的有效性,通过一个7自由度的建筑模型,分别用单一模糊神经网络决策器和数据融合损伤识别方法进行了损伤识别和比较。研究结果表明:该文所提方法比单一决策结果更准确、可靠。     

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。     

基于二维连续小波变换与数据融合技术的逆有限元法-伪激励法结构损伤识别方法

在逆有限元法(iFEM)与伪激励法(PE)相结合的损伤识别方法框架下,通过引入二维连续小波变换与数据融合技术,增强了iFEM-PE方法的抗噪能力及工程适用性。通过算例分析可知,iFEM能够借助有限应变测量数据实时准确地重构结构位移,进而使PE方法摆脱了对在线位移测量的依赖。另一方面,PE法对结构损伤具有高敏感性,适用于损伤的精确定位与定量。针对iFEM-PE方法对噪声的敏感性,二维连续小波变换可以在时频域实现信号联合分析,加强损伤特征并抑制噪音。另一方面,数据融合技术通过对不同工况下损伤识别结果的综合处理,有效提升了损伤识别的适用性与稳定性。结果显示,以上方法在噪音影响下可对复合材料结构的分层损伤进行精确定位。      

基于ARMAV模型和J-散度的结构损伤识别

损伤识别技术是结构健康监测系统的关键组成部分,为了进一步提高损伤识别的准确性和适用性,提出一种融合信息距离函数J-散度与向量自回归滑动平均(vector autoregressive moving average, ARMAV)模型的损伤识别方法。采用预白化过滤器对加速度时域数据进行消除激励相关性以及降噪处理;建立了ARMAV模型,并由模型的自回归参数和残差方差构建损伤判别指标;采用三层框架试验数据,并进行转播塔模型的损伤识别试验研究验证了该方法的有效性。结果表明：基于ARMAV模型和J-散度距离的损伤识别方法可操作性强,能够准确、高效地定位框架和塔架结构的损伤,且该方法受环境变化的影响较小,可为在线结构健康监测提供一种新思路。     

基于模态指标与数据融合的钢管混凝土拱桥损伤识别

为了提高大型结构的损伤诊断率,本文提出了一种基于模态指标和数据融合的结构损伤识别方法.根据结构振动响应,首先利用多种模态损伤指标,对钢管混凝土拱桥的损伤位置进行初步诊断,然后利用文中提出的加权平均法,对多种模态损伤指标进行融合计算,最后根据峰值方法得到拱桥的损伤位置。为了验证所提方法的可行性和有效性,对一双跨下承式钢管混凝土拱桥进行了单损伤和多损伤模拟,同时考虑了噪声等环境因素对识别结果的影响,并与单一损伤指标识别结果进行了比较。结果表明,本文所提出的损伤识别方法能够对钢管混凝土拱桥的损伤进行定位,它明显优于单一损伤指标的识别结果。     

工程结构损伤的集成神经网络识别研究

从结构损伤识别的实际出发，提出采用基于信息融合理论的集成神经网络技术对结构损伤状况进行识别，即通过结构损伤特征信息的有效组合，用各种子神经网络从不同侧面对结构损伤进行初步识别诊断，然后对识别结果进行决策融合。给出了系统的实现策略和子网络的组建原则。从识别实例中可以看出，此识别方法充分利用了各种特征信息，可以有效地提高识别率。     

基于贝叶斯优化BiLSTM模型的输电塔损伤识别

结构的加速度响应可以反映结构的状态信息，蕴含结构的损伤特征。针对目前输电塔健康监测系统产生大量数据而无法有效分析和诊断输电塔损伤的问题，利用结构输出加速度响应数据的时序关系，提出了基于双向长短时记忆网络(bi-directional long and short-term memory, BiLSTM)的损伤识别方法，并采用概率寻优方法贝叶斯优化(Bayesian optimization, BO)确定网络模型超参数。首先描述了BiLSTM的基本原理，给出基于贝叶斯优化的超参数选取策略，从而提出了基于BO-BiLSTM模型的损伤识别方法。然后使用该方法对输电塔有限元模型进行了损伤定位与模式识别，测试集的整体识别准确率达到94.2%。为了验证该方法对实际结构的损伤识别效果，提出基于异源数据的损伤识别方式：将输电塔有限元模型数据作为模型训练的样本训练BO-BiLSTM模型，使用试验数据用作验证集检验损伤识别效果。识别结果表明BO-BiLSTM可以较为准确的识别真实结构的损伤情况，识别效果较BiLSTM以及BO-LSTM更稳定。     

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。     

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。     

利用振动响应协方差参数和数据融合的损伤识别方法

使用结构加速度响应协方差和应变响应协方差参数以及基于贝叶斯估计的数据融合理论进行结构损伤判定和损伤位置识别,理论推导证明响应协方差参数是结构模态参数的函数,结构损伤会导致响应协方差参数的改变,当只使用结构损伤前后的响应协方差参数,不使用结构分析模型进行结构损伤识别时,损伤向量会受到激励位置、测试噪声和误差等的影响,所以...     

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。     

基于不变环境振动的结构损伤识别方法

建立了受随机外力激励作用的损伤识别理论模型和计算方法 ,提出一种在线结构损伤识别方法。讨论一个15层框架结构 ,数值仿真结果表明 ,该方法具有较高的辨别率和计算精度。它能够使用在桥梁和建筑的健康监测中。     

基于模型参考自适应算法的非线性结构损伤识别

许多工程结构在遭受飓风、地震之类的动荷载时,存在迟滞非线性现象,因此,对其结构参数进行实时辨识显得尤为必要.针对迟滞非线性结构的力学性质,采用一种基于模型参考自适应算法的参数辨识方法.该方法能够追踪时变的参数,检测损伤,包括损伤的大小和位置,以及损伤发生的时刻.数值仿真的结果表明,该方法对参数变化具有敏感性,非线性结构的仿真结果证实了该方法能够有效检测结构的损伤.     

Two-Stage Multi-damage Detection Method Based on Energy Balance Equation

In order to solve structural multi-damage identification problem, a two-stage damage detection method based on energy balance equation and evidence fusion is presented. First, a Frequency Change Identification (FCI) method and Modal Strain Energy Dissipation Ratio (MSEDR) method are utilized to preliminarily identify structural damage locations, and then a Fusion Damage Localization (FDL) method based on evidence theory is proposed to precisely detect damage locations. The FDL method mainly utilizes evidence theory to combine both the FCI localization information and the MSEDR localization information. Thus, more precise damage localization information can be acquired. After the damaged locations are determined, an Energy Balance Equation (EBE) index is presented to identify structural damage extent. Considering that strain energy dissipation should be equal to the change of modal strain energy, a quartic EBE equation is deduced, and structural damage extent can be obtained through the solution of the equation. An average quantification index is also proposed to improve identification precision. The simulation results demonstrate that the FDL method can perfectly detect structural damage locations, and the EBE index and average index can identify structural damage extent.