基于不确定性的结构损伤识别方法研究综述

基于静动力特性改变的结构损伤诊断方法在过去几十年中发展迅速。与损伤识别的确定性方法相比,损伤识别的不确定性方法能更为有效合理地处理损伤识别过程中涉及的不确定性干扰问题,并从统计意义上实现复杂工程结构健康监测的早期损伤诊断,因此已成为当前结构损伤识别领域的研究热点。在简要回顾了损伤识别确定性方法的基础上,主要介绍了损伤识别不确定性方法的研究进展,并分析了各方法的优缺点,对有待进一步研究的问题及此类方法的发展趋势进行了展望。     

基于摄动法的随机梁式结构静力损伤识别

提出了一种基于摄动法的随机梁式结构静力损伤识别方法。考虑初始模型的不确定性和测量误差不确定性建立随机控制方程。通过一阶摄动方法对随机控制方程求解关于随机损伤因子的统计特性,接着引入失效概率来识别结构损伤。对简支梁进行数值模拟,结果表明该方法可以准确定位损伤位置,同时可以精准定量损伤程度。     

碳化概率模型及混凝土结构碳化失效概率分析

混凝土碳化分析是评估混凝土结构长期性能的重要内容。该文分析总结了现有混凝土碳化理论和经验模型。在现有确定性模型基础上,通过添加模型修正项的方法修正确定性模型的误差,建立混凝土碳化概率模型。概率模型中模型参数的后验统计分布特征利用已有检测数据通过贝叶斯更新手段获得。基于建立的碳化概率模型,构建混凝土结构碳化时变失效概率的分析方法,该方法充分考虑模型不确定性对混凝土结构碳化时变失效概率的影响。运用该方法对一钢筋混凝土简支板的碳化性能进行了分析评估。     

基于统计矩理论和贝叶斯方法的框架结构损伤识别方法研究

基于统计矩理论,以融合位移四阶统计矩和加速度八阶统计矩作为损伤指标,结合贝叶斯混合采样算法,提出了仅通过单次采样即可进行框架结构损伤识别的方法。该方法将标准MH算法和Gibbs算法相结合,以正交设计试验为基础研究单次采样的最佳时长。通过改进的位移四阶统计矩和加速度八阶统计矩损伤指标,快速识别模型结构损伤位置,然后结合贝叶斯MH-Gibbs混合采样算法基于模型分析快速识别结构损伤程度。建立12层标准框架结构数值模型,在信噪比40、30 dB条件下,针对不同损伤识别方法进行识别效果及效率研究对比。通过已有振动台试验对该识别方法进行验证,结果表明：改进的位移四阶统计矩和加速度八阶统计矩损伤指标相较于采用单一加速度八阶统计矩损伤指标识别效果更精准,根据正交设计试验得到的单次采样最佳时长避免贝叶斯方法多次采样的局限性,因此该方法在识别结构损伤时收敛快耗时短,识别精度高且只需一次采样即可对框架结构进行损伤诊断。     

桁架结构损伤识别的数据融合方法研究

以数据融合技术进行桁架结构的单损伤和多损伤识别。通过研究基于频率的结构损伤理论,分析归一化的频率和损伤位置的关系;利用小波概率神经网络的算法对决策融合进行修正,建立基于小波概率神经网络的数据融合结构损伤识别模型。运用结构计算软件计算了一典型桁架结构的频率,并融合为小波概率神经网络算法的输入特征向量,并对桁架算例模型结构进行损伤识别。通过桁架不同位置的损伤情况,验证该方法的有效性,并提出工程应用中应注意的问题。研究结果表明,基于小波概率神经网络算法的数据融合技术是一种比较可靠的损伤识别方法,具有良好的工程应用前景。     

基于自回归模型和GA-PNN的海洋平台结构损伤识别研究

文中基于目前神经网络应用的广泛性和对损伤识别的有效性,提出了以自回归模型系数差为初始特征,并通过基于遗传算法(Genetic Algorithm,GA)优化的概率神经网络(Probabilistic Neural Network,PNN)的识别方法,对海洋平台结构进行损伤位置的识别.数据采用数值模拟中海洋平台支撑杆件在...     

基于统计矩理论的无模型结构损伤识别方法研究

通过对统计矩理论的分析,提出了一种在时域内利用结构加速度八阶矩作为损伤指标,直接利用输出信号快速判断结构有无损伤及损伤位置的识别方法。通过对典型Benchmark四层钢框架结构数值仿真模型和实测试验进行分析,研究了不同位置斜撑缺失以及弹性模量减少工况下的损伤位置识别,并通过12层标准RC框架振动台试验数据分析了不同楼层梁的损伤工况,判定了各楼层相对损伤程度变化。结果表明：利用响应信号的结构加速度八阶矩适合作为损伤识别的直接判别指标,通过两次定期测试的相对变化可以直接快速对不同损伤工况进行损伤诊断。     

基于布谷鸟搜索算法的温度驱动损伤识别方法

基于振动的损伤识别方法数据分析过程复杂,且易受环境不确定因素影响,为解决该问题,提出了一种基于布谷鸟搜索算法的温度驱动损伤识别方法。分析中将温度视为结构的可测激励,对基于温度诱导应变的结构损伤参数识别公式进行了推导,进而利用实测的温度诱导响应值与有限元模型计算的温度诱导响应值构造目标函数,基于改进的布谷鸟搜索算法对有限元模型中的损伤参数进行更新,从而实现损伤的准确判别。通过一根两端弹性约束的H型钢梁,以及一榀Benchmark钢框架模型的数值仿真分析,验证了所提方法的损伤识别效果。分析结果表明：基于布谷鸟搜索算法的温度驱动损伤识别方法可对不同程度、不同位置及不同数量的损伤进行有效识别,即使在较高的噪声干扰下,仍能取得较好的识别结果。相比于基于振动的有限元模型损伤参数识别方法,该方法无需施加外部激励,输入与输出数据（温度与温度响应）方便可测,损伤识别所需的数据量较少,受噪声干扰影响小,可对结构的损伤进行有效定位与量化。     

基于应变能均化指标和云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定问题,提出了基于应变能均化指标和云模型相结合的识别方法。分析了结构的模态应变能以及两种损伤指标,并考虑到模态应变能耗散率指标和等效指标之间的互补性质,通过均化方法建立了模态应变能均化指标;给出了云模型的基本理论,分析了云模型的数字特征、云处理算法以及确定度计算方法;结合随机测量噪声等引起的不确定性问题,建立了基于应变能均化指标和云模型的损伤识别方法。数值计算结果表明,应变能均化指标的识别结果略优于应变能耗散率指标和应变能等效指标,当考虑随机测量噪声时,云模型与应变能均化指标相结合的方法可以较好地进行含噪数据的损伤识别。     

基于隧道-土体体系的时域子结构损伤识别方法

城市轨道地下结构在复杂环境和自身材质劣化等多因素作用下会产生不同程度的损伤,影响城市轨道地下结构的正常服役性能。为了实现城市地下结构的损伤诊断,本文基于动力响应灵敏度模型修正算法,提出了一种时域子结构损伤识别方法,实现了无需输入力和界面力信息情况下结构的损伤识别。针对城市地下结构的超长线状特性和复杂性,以隧道-土体体系的有限元模型为基础,推导了时域子结构动力响应关于结构刚度变化参数和力的正交参数的灵敏度矩阵,同时结合动力模型缩聚技术以降低结构的自由度数量,采用提出的时域子结构损伤识别方法可准确识别出隧道衬砌结构的损伤位置和程度,并与整体结构分析对比,验证了时域子结构识别方法的高效性。     

求解概率型网络计划时差问题的一种计算模型

对概率型网络计划问题,目前国内外的研究重点是网络计划的计算工期的估计和关键性的确定方面,对于线路和工作时差问题研究的较少,并且都是基于确定型网络计划时差的研究,而时差又是利用网络计划进行工程项目进度控制的一个重要参数。文章结合随机优势的思想,提出一种计算概率型网络计划线路和工作时差的计算模型,为概率型网络计划的时差问题提供了一些参考。     

模型参数误差对用神经网络进行结构损伤识别的影响

通过理论推导得到了模型参数误差对损伤引起模态参数改变的贡献的表达式,用该式可指导神经网络输入参数的选择和输入向量的构造.理论分析表明,适当地构造输入向量,可以减小模型参数误差对结构损伤识别的影响.在采用BP网络和合适的输入向量后,还用数值模拟的方式对一榀六层框架的损伤识别进行了确定性研究和概率分析,结果表明,用神经网络进行结构损伤识别,受模型参数误差的影响很小,在训练神经网络时,10%的模型参数误差是可以接受的.最后,用一个两层钢框架的实验数据验证了神经网络在有模型误差时的识别能力.     

基于ARCH模型残差偏移距离的#br# 非线性损伤检测和试验研究

为了解决空间钢架结构非线性损伤的识别问题，提出了一种基于自回归条件异方差(auto regressive conditional heteroskedastic，ARCH)模型残差偏移距离的损伤识别方法。文章首先描述ARCH模型的基本理论，并给出了ARCH模型建模的定阶方法和模型参数的估计方法；接着分析结构非线性损伤的特性；然后，考虑到传统的非线性识别指标难以运用到空间钢架结构，提出基于ARCH模型的欧氏距离指标和改进的残差偏移距离指标识别钢结构损伤位置。最后，使用一个8层剪切结构数值模拟验证了2个损伤指标的有效性，并且将文章提出的指标运用于输电塔钢架模型的非线性损伤识别试验中。模拟和试验结果表明，传统的非线性损伤识别指标难以直接运用于钢架的损伤识别，而建议的欧氏距离指标和残差偏移距离指标可以较好地识别出钢架结构的非线性损伤。     

基于遗传算法的岩土本构模型辨识

通过对岩土本构模型辨识机理的分析，提出了基于遗传算法的本构模型辨识方法，并用两个工程实例对该法进行了验证。     

基于关联模态云推理算法的输电塔结构损伤识别

为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题,提出了一种基于关联模态的云推理算法。建立残余力基本方程,并分析了基于残余力向量的损伤识别原理;提出了基于残余力的云推理算法,给出了云模型的数字特征,分析了前件云发生器和后件云发生器,给出了基于灰云模型的定性规则库建立方法,并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点,进一步提出了关联模态云推理算法,以提高损伤识别的精度和可靠性,并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明,关联模态云推理算法可以较好地识别出结构损伤,其识别效果明显优于残余力向量法和残余力云推理算法。