砂轮划片机模态测试中的传感器测点优化研究

针对砂轮划片机这类复杂设备振动模态测试中测试时间长、传感器数目难以确定和测点难以定位的问题,提出了结合有效独立法、QR分解法及模态验证准则、香农扩展定理对砂轮划片机主系统进行测点优化的方法。采用锤击模态测试方法对某一型号的砂轮划片机测点优化前后的模态进行了测试,识别出划片机主系统的振型和模态参数,比较测点优化前后的测试结果,表明测点优化的模态测试实现了将有限个传感器布置在关键的测点位置上并获取最接近真实信息的目的,缩短了测试时间,提高了测试精度,为复杂设备的振动模态测试提供了参考。     

结构破损定位的单元模态应变能变化率法

提出了结构单元模态应变能的概念，并导出了基于单元模态应变能变化率的结构破损位置的诊断方法。该方法仅以结构破损前后的模态振型和单元刚度矩阵为输入信息。算例的数值结果表明，该方法简便、有效。     

基于遗传算法的结构破损参数检测

本文将结构破损参数检测问题归结为一个优化问题,建立包含结构单元刚度 参数的隐式目标函数即计算模态数据与测试模态数据之间的极小误差函数,采用遗传算法来求解,用频率相对误差及振型相关系数作为评价指标,对一个实际五层框架钢结构识别了含不同频率信息的多种情况的刚度。     

用BP神经网络诊断结构破损

提出了一种基于BP神经网络的结构破损诊断方法,该方法以结构残余力向量作为破损诊断的网络输入。对网络训练样本采用广义空间格点法进行了变换,从而较好地解决了由于系统响应样本在数据空间分布不均对网络收敛速度及网络诊断精度的影响问题。应用实例表明,本文方法能准确诊断结构破损位置与严重程度,是一种有效的结构破损诊断方法。     

基于BP神经网络与柔度变化的结构破损诊断

提出了一种基于BP神经网络的结构破损诊断方法,该方法以结构破损前后柔度的变化作为破损诊断的网络输入,为了解由于系统响应样本数据空间分布不均匀对网络收敛速度及网络诊断的影响问题,对网络训练样本采用广义空间格点进行了变换,模拟算例及应用实例均表明,本文方法能准确诊断结构破损位置与严重程度,是一种有效的结构破损诊断方法。     

基于连续碳纤维/树脂智能材料的梁结构应变模态表征

研制了一种具有动态传感功能的碳纤维/树脂智能层,可用于结构的应变模态诊断.通过不同加载频率下的单向拉伸实验揭示了这种智能材料对低频动态载荷的响应能力,并理论分析了动态响应误差的影响因素.在此基础上将碳纤维/环氧树脂智能层连续敷设于悬臂梁结构表面代替传统的点式应变片,进行应变模态测试.测试结果表明,碳纤维/环氧树脂智能层可以较精确地反映结构的前三阶固有频率,并较好地表征结构的前三阶应变模态振型.对悬臂梁局部附加质量后重新进行了模态试验,结果表明:附加质量后,智能层反映的结构固有频率显著下降;同时,在附加质量所在的节点位置,智能层反映的应变模态振型有突变产生,说明智能层所表征的应变模态对结构物性参数变化具有识别能力,采用智能层与采用应变片的实验结果一致.此外,基于碳纤维/树脂智能层的可覆盖性,采用有限的测点全面捕捉了结构的应变模态信息,并在测试中通过在可疑区域内逐步增加测点,实现了结构物性参数变化的定位.     

基于连续碳纤维/树脂智能材料的梁结构应变模态表征

研制了一种具有动态传感功能的碳纤维/树脂智能层, 可用于结构的应变模态诊断。通过不同加载频率下的单向拉伸实验揭示了这种智能材料对低频动态载荷的响应能力, 并理论分析了动态响应误差的影响因素。在此基础上将碳纤维/环氧树脂智能层连续敷设于悬臂梁结构表面代替传统的点式应变片, 进行应变模态测试。测试结果表明, 碳纤维/环氧树脂智能层可以较精确地反映结构的前三阶固有频率, 并较好地表征结构的前三阶应变模态振型。对悬臂梁局部附加质量后重新进行了模态试验, 结果表明: 附加质量后, 智能层反映的结构固有频率显著下降; 同时, 在附加质量所在的节点位置, 智能层反映的应变模态振型有突变产生, 说明智能层所表征的应变模态对结构物性参数变化具有识别能力, 采用智能层与采用应变片的实验结果一致。此外, 基于碳纤维/树脂智能层的可覆盖性, 采用有限的测点全面捕捉了结构的应变模态信息, 并在测试中通过在可疑区域内逐步增加测点, 实现了结构物性参数变化的定位。     

基于遗传算法的结构损伤诊断研究

利用试验得到的振动参数评估结构的破损情况,是当前结构工程学科十分活跃的领域。本文引入遗传算法处理振动参数,进行结构的损伤诊断。为了让遗传算法更适用于结构工程损伤诊断领域,提出了多父体变量级杂交和变量微调等新的改进策略,并运用于固端梁的损伤诊断,取得了满足工程要求的结果。在识别过程中,遗传算法用到的信息有前二阶固有频率和其相应的振型及前三阶固有频率和第一阶振型,充分说明了遗传算法可在已知信息不多的情况下找到最优解,为结构损伤诊断开辟了一条新路。     

有限测点下结构复合反演的混合法

回顾了近年来输入信息未知条件下结构识别的复合反演算法，并对输出信息测试不完备条件下的复合反演问题做了深入的研究。提出了时频域混合的复合反演算法。该算法首先在时域内利用子结构上的测试信息反演未知输入，然后在频域内依据反演得到的未知输入和有限测点上的响应信息构造目标函数来识别结构参数。该算法适用于具有多个未知输入的情况，与仅适用于单个未知输入条件下的复合反演算法相比，具有更广泛的应用价值。最后用一数值算例说明了本文算法的可行性。     

基于不完备实测模态数据的结构损伤识别方法研究

在传统的基于模型修正的损伤识别中,由于实测模态信息有限而待识别参数过多,往往导致损伤识别方程出现较大误差,从而限制了该方法在复杂结构中的应用。为解决这一问题,对结构的自由度进行了分解,将损伤结构中模态振型的未测量部分表达为已测量到的模态振型、模态频率以及结构其它参数的函数。将损伤视为结构单元刚度的减小,利用完好结构的计算模态数据以及损伤结构扩充后的实测模态数据,建立了结构的损伤识别方程。运用信赖域优化算法对具有双重约束条件的目标函数进行最小化,识别出了结构各单元的刚度损伤参数。通过两个损伤识别数值仿真算例及实验验证,结果表明,在测点数量有限及测试噪声等不利因素影响下,所提方法只需运用少量的实测模态信息,即可实现结构损伤位置及程度的准确识别,同时算法具有较好的鲁棒性。