基于不完备测试阵型的结构损伤识别与误差分析

目前大多数结构损伤识别方法假定有限元模型自由度与实测自由度相同,而实测的数据往往非常有限,为了使测试的不完备模态参数能够用于损伤识别,一般需要对不完备模态进行扩阶处理,该文研究了一种将未测自由度的模态阵型用原始结构的阵型与阵型的改变量之和表示的扩阶方法,通过确定阵型的改变量获得受损结构的完备模态阵型,同时对扩阶过程中的误差进行定量分析,提出了模态贡献因子指标,依据模态贡献因子对不完备信息进行扩充并进行损伤识别。数值结果表明,利用模态贡献因子进行的扩阶识别方法能在保证识别损伤精度的基础上一定程度的提高计算效率。     

基于模态应变能变异指标的斜拉桥模型损伤识别研究

基于动力测试采用模态应变能变化率方法对一座独塔斜拉桥模型进行了损伤识别实用性研究,识别过程基于动力模态分析,激励方式包括车辆激励、环境激励和冲击激励.从识别得到的各阶试验模态的模态应变能变异指标的计算结果可知:在合适的激励条件下,模态应变能指标可以识别梁式结构主梁的损伤位置和大小关系;激励的充分条件会影响模态应变能指标的识别效果,冲击激励产生的激励较充分,因而损伤识别的效果最好;各阶试验模态包含的损伤信息完备程度不同,建议综合多阶模态应变能变异指标的计算结果进行损伤识别.     

公路弯梁桥模态测试的测点布置

为得到测试公路弯梁桥模态振型的测点优化布置方案,采用有效独立法运算测点布置位置,并引入模态保证准则检验测点的准确性。以某实际三跨连续弯梁桥为工程背景,通过MATLAB编制有效独立法寻找相应测点位置的程序,分别计算了前10阶模态的传感器布置测点;计算各阶模态测点的模态向量空间夹角(P_i~(MAC)值);并选取其中4阶模态进行实桥验证。结果显示:多数P_i~(MAC)值满足模态保证准则,并且实桥测试结果与有限元模态相似度很高;结果表明:测点布置方案可以运用到三跨连续弯梁桥的模态测试中,有效独立法能有效为公路弯梁桥在环境激励下开展模态测试提供测点布置参考。     

基于频响函数的动车组构架传感器优化布置

为了实现传感器布置的位置和数量双重优化,提出了一种基于频率响应函数的传感器优化布置方法. 首先,对结构进行模态分析并提取模态振型,计算结构的频率响应函数;然后,基于独立分量分析和K-均值聚类法优化传感器布置位置;最后,计算不同传感器数量对应的布置结果的Fisher信息矩阵及其熵,信息熵的极小值对应的传感器数量即为传感器布置最优的数量. CRH3型动车组构架传感器优化布置结果表明,传感器均布置在符合国际铁路联盟标准UIC615-4规定的所有工况下构架产生最大应力位置附近,并且布置结果可以使数量有限的传感器获得的信息量最大化.      

基于有限元修正的斜拉桥健康监测 传感器优化布置研究

以某座斜拉桥为工程背景,首先介绍了基于结构动力特性的传感器优化布置方法,并采用序列法通过多模态的组合对测点进行了优化,在此基础上结合桥梁结构特点和监控需求,提出了优化的传感器布置方案。其次,建立该桥的三维有限元修正模型,获取该桥的动力特性。再次,以振型参与质量系数和MAC矩阵标准为理论基础,对各组合下的模态向量矩阵进行优化布点处理,对桥梁健康监测传感器布点方案进行了研究。最后结合该桥的实际情况,提出传感器优化布置方案。     

简谐激扰下模态参数对垂向平稳性指标的影响

用模态坐标变换法推导了用模态参数描述的车辆垂向平稳性指标计算表达式．以二系悬挂15自由度铁道车辆悬挂系统为例,研究了车辆系统模态参数（模态频率和模态振型）对车辆垂向平稳性指标的影响．研究表明,车体模态频率对车辆的平稳性指标的影响最为明显,不同阶的模态阻尼比对平稳性指标的影响存在较大差异,一阶阻尼比对平稳性指标的影响较二阶阻尼比影响大．     

基于多级神经网络的桥梁结构模态参数识别方法

桥梁结构模态参数识别方法在识别过程中难以获得完整阶次，构造的基准模型不完整，导致识别结果出现误差，因此，设计一种基于多级神经网络算法的桥梁结构模态参数识别方法.使用多级神经网络对识别算法进行优化，建立交配池，利用交叉和变异算子对交配池中的参量个体进行识别，建立新的群体，利用信号匹配识别结构模态参数，选择模态确信准则(MAC)以及相位共线性指标(MPC)作为模态区分的辨别指标并计算，最后优化整体模态参数识别流程.方法性能测试结果表明，设计的基于多级神经网络的桥梁结构模态参数识别方法在不同采集方式下得到的参数误差更小，可靠性更高.     

薄壁花盆形托架的双幅四索面独柱多塔斜拉桥设计

针对超长距离跨海大桥提出薄壁花盆形托架的双幅四索面独柱多塔斜拉桥的设计方案,采用单叶双曲面薄壁花盆形托架代替悬臂X形托架结构,薄壁花盆形托架顶部设置椭圆形托板以及环形排列支座,薄壁花盆形托架支撑斜拉桥双幅主梁,将主梁和索塔之间的相对转动自由度加以约束,提高多塔斜拉桥的刚度,降低不利布置活荷载作用下的中间跨主梁的竖向位移变形。结合２００ｍ＋２×４２０ｍ＋２００ｍ的双幅四索面多塔斜拉桥方案,进行工程参数设计,建立MIDAS有限元分析模型,开展动力模态分析研究,验证薄壁花盆形托架的双幅四索面独柱多塔斜拉桥设计的合理性。     

图Cm∨Cn的Smarandachely邻点可区别全色数

图的一个正常全染色满足相邻点的色集合互不包含时被称为Smarandachely邻点可区别全染色.使图G存在使用了k种色的Smarandachely邻点可区别全染色的最小数k称为图G的Smarandachely邻点可区别全色数,其中任意一点的色集合为该点所染色与其关联边所染色的并.文章给出了当(m相似文献   

白车身模态灵敏度分析及结构优化

以白车身的3个低阶模态--第1个弹性体模态、一阶扭转模态及一阶弯曲模态对应固有频率的提高为目标,以白车身总成各板件的厚度为设计变量,得到3个重要模态固有频率对各板件厚度的灵敏度.将3个重要模态的相对灵敏度综合考虑,在基本不对模具进行修改的条件下,通过调整"敏感"板件厚度,对白车身的结构进行优化.优化结果显示,车身模态指标及刚度有不同程度的提高,而车身质量没有明显增加.     

大跨度斜拉桥铅芯橡胶支座的参数优化

提出了一种采用铅芯橡胶支座进行大跨度斜拉桥减震分析方法;分别建立了大跨度斜拉桥、铅芯橡胶支座的空间有限元分析模型,采用时程分析方法计算了桥梁地震响应;用正交设计法对铅芯橡胶支座进行了参数优化.研究表明:经过优化设计的铅芯橡胶支座能有效的减小斜拉桥在地震下响应.     

基于EI及MAC算法的连续刚构桥传感器优化布置

介绍了有效独立法(EI)和模态保证准则(MAC)的工作性能与适用范围,并结合各自优点,得到了一种新型的混合算法.将此方法运用到以龙河大桥为研究对象的连续刚构桥传感器布置上.结果表明:基于EI及MAC混合算法得到的测点截面位置有别于人为凭借经验将传感器布置在根部、边跨及中跨1/4倍数截面等位置;通过MAC值验算,连续刚构...     

物流运输网络模糊最短路径的偏好解

考虑到物流运输网络中存在的不确定性,针对弧长为模糊数的最短路问题,提出了基于加权函数重心法的模糊数排序方法,根据标号法得到网络中从某一指定节点到其他节点的与偏好信息相一致的最短路。该排序方法提供了决策偏好信息的参数化表示,决策者通过设定极大熵加权函数表示的悲观或乐观水平,就可以得到与目前偏好结构相一致的模糊数排序结果,以及相应的模糊最短路权值和选择方案。计算结果显示,在不同的偏好参数下,决策者得到的最短路方案是不同的,而且计算结果与设定的偏好完全一致。     

基于神经网络的斜拉索损伤识别研究

以一模型桥为背景,探讨了斜拉索损伤定位以及损伤程度确定的方法.基于ANSYS有限元模型,采用RBF网络,模拟了斜拉索的损伤情况.以不同损伤程度下自振频率和局部模态作为神经网络的训练与测试输入样本,由神经网络的输出来指示损伤位置和损伤程度,并与BP神经网络的识别效果进行比较.     

基于模态应变能和BP神经网络的混凝土框架结构损伤识别

采用模态应变能变化率和BP神经网络的两步损伤识别方法,对钢筋混凝土框架结构进行损伤识别研究.首先,利用单元的模态应变能变化率作为结构损伤定位因子,运用通用有限元ANSYS的APDL语言编制程序,计算模态应变能变化率;然后,利用BP神经网络进行损伤程度识别.该方法将二者优点相结合,并克服了单纯利用模态应变能难以准确计算损伤程度以及单纯利用BP神经网络样本巨大的困难.数值仿真结果表明,该方法适用于框架结构的损伤识别.     

基于改进PSO算法的两阶段损伤识别方法

为解决结构多损伤情况下的位置识别和损伤程度判定问题,提出了一种基于改进粒子群优化算法和贝叶斯理论的两阶段损伤识别方法,该方法采用频率和模态应变能作为损伤定位源数据,分别用基于频率改变和基于应变能耗散率的识别方法进行损伤信息的初步提取,再利用贝叶斯融合理论对损伤位置进行较为精确的判定.然后,利用粒子群优化(PSO)算法对损伤位置和程度进行更为精确的二次识别.考虑到简单PSO算法易陷入局部最优解,提出了3种改进措施,即粒子位置突变、最优记忆粒子微搜索和双收敛措施.数值仿真结果表明:采用贝叶斯融合理论可以有效地识别出可能的损伤单元,在此基础上用改进的PSO算法可以更精确地识别损伤的位置和程度,同时采用3种改进措施的PSO算法的识别精度明显优于其他PSO算法和遗传算法.     

传感器性能退化与结构损伤响应异常区分研究

针对现行结构损伤检测方法仅考虑了环境和荷载对损伤的影响,未考虑传感器因时间和环境变化导致的性能退化从而严重影响损伤诊断率的问题,考虑到传感器性能退化的局部性及结构损伤的全局性,利用最小均方差估计与广义极似然比（GLRT）理论检测结构响应异常,结合统计质量控制图的控制指标超出界限的波动样式判断异常来源,并通过简支梁数值算例验证了本文提出的方法.研究结果表明:利用广义极似然比可以有效检测响应异常,利用控制图可以辨别响应异常来源;传感器性能退化导致控制指标超出界限的波动为非平稳波动,而损伤导致控制指标在一定范围内的波动为平稳波动.      

基于自回归条件异方差转换指标的非线性损伤识别

为了解决时域非线性损伤的识别问题，基于自回归条件异方差（ARCH）模型的基本理论给出了ARCH模型建模的定阶方法及模型参数估计的极大似然估计法；分析了结构非线性损伤的特性，提出了基于ARCH模型的非线性损伤识别原理；考虑到基于自由度的损伤指标难于判断损伤位置，故提出了一种自回归条件异方差转换指标；在测量误差和模型误差的影响下，使用3层框架结构的非线性损伤试验来验证该损伤指标的有效性. 试验结果表明:非线性间隙距离为0.05 mm和0.10 mm时，损伤位置第3层的自回归条件异方差转换指标值比传统的倒谱测距转化指标值高21.7%以上；当非线性间隙距离为0.20 mm时，第3层的自回归条件异方差转换指标值比倒谱测距转化指标值高3.7%.