基于新奇检测技术的斜拉索状态评估

探讨了应用基于BP神经网络的新奇检测技术进行斜拉索状态评估的方法.通过对监测系统采集数据分析处理,生成训练神经网络需要的样本数据,按要求训练网络,建立了基于新奇检测技术的多阶段状态评估的神经网络模型,实现了斜拉索状态评估的两个阶段:状态预警、状态异常位置识别.状态异常位置识别采用逐步分区识别的方法,最终将损伤拉索的位置...     

基于神经网络技术的结构损伤检测

结构损伤会导致其振动频率的变化,因此测量结构振动频率可以判断结构是否存在损伤,同时,基于频率测量的结构损伤识别方法具有测试简便,精度较好的优点,在分析结构固有频率的基础上,把结构损伤识别问题分为损伤辨别、损伤定位、损伤程度标定3个子模块,对每个子模块用模态参数构造对损伤敏感的标识量,并作为特征参数输入到神经网络中实现损伤识别,将BP网络和频率相结合进行了矩形梁的损伤检测,计算分析结果表明,该方法在结构损伤检测中具有较好的识别效果,最后对神经网络方法在损伤检测中的发展前景作了展望.     

基于神经网络技术的结构损伤检测

结构损伤会导致其振动频率的变化，因此测量结构振动频率可以判断结构是否存在损伤，同时，基于频率测量的结构损伤识别方法具有测试简便，精度较好的优点。在分析结构固有频率的基础上，把结构损伤识别问题分为损伤辨别、损伤定位、损伤程度标定3个子模块，对每个子模块用模态参数构造对损伤敏感的标识量，并作为特征参数输入到神经网络中实现损伤识别。将BP网络和频率相结合进行了矩形梁的损伤检测，计算分析结果表明，该方法在结构损伤检测中具有较好的识别效果。最后对神经网络方法在损伤检测中的发展前景作了展望。     

基于斜拉索张力测定的斜拉桥健康诊断

应用试验校正的高精度三维有限元模型,对斜拉桥主梁结构损伤位置识别的斜拉索张力指标进行了研究。模拟12种可能的损伤情况,研究了基于斜拉索局部模态基频构造索张力指标的方法,索张力指标对各损伤情况下损伤位置的识别效果和对损伤程度的敏感性。结果表明,用斜拉索局部模态基频所构造的张力指标对不同的损伤程度呈现较好的稳定性和灵敏性,对模拟的12种损伤情况的正确识别率可达75%。该方法的突出优点是只需测量斜拉索局部振动模态的基频,就能获得较好的损伤识别效果,比其他面向损伤检测的测量容易得多。该方法可十分方便地推广应用于悬索桥加劲梁结构的损伤定位,具有较高的实用价值。     

桥梁结构状态预警系统研究

探讨了桥梁结构状态预警系统。根据桥梁结构损伤的特点,将预警系统分为两个体系:局部预警体系和整体预警体系。局部预警体系采用无模型预警体系,整体预警采用基于神经网络的新奇检测技术。通过将两者相结合,提高了预警的及时性和准确性。     

基于小波包分析的结构损伤识别研究进展

小波包分析是对小波分析中没有细分的高频部分进行进一步分解,是一种更为精细的时频分解方法,可实现对非稳定信号的时频分析.首先阐述了结构损伤的小波分析和小波包分析的基本理论,然后主要围绕小波包能量谱损伤指标,分别对其在结构损伤的定位、微小损伤识别、在线健康监测和预警、材料缺陷检测、数值积分计算误差消除等方面的试验研究和应用情况进行了全面介绍,最后指出了结构损伤识别的小波包分析方法需要进一步研究的问题.     

基于小波包能量谱的大跨桥梁结构损伤预警指标

基于结构动力响应的小波包能量谱提出了两种结构损伤预警指标:能量比偏差和能量比方差。以润扬长江大桥北汊斜拉桥为研究对象,分析了损伤预警指标在不同损伤位置、损伤程度和测量噪声水平下的预警能力。研究结果表明:与结构自振频率等模态参数相比,能量比偏差和能量比方差可以明显提高大跨桥梁结构损伤预警的敏感性和有效性,并且具有良好的抗噪声干扰能力。能量比偏差和能量比方差可作为大跨桥梁结构损伤预警系统的损伤预警指标。     

基于RBF神经网络的简支梁桥损伤识别

损伤的发生对结构的安全性构成了很大的威胁。考虑到RBF神经网络具备很强的处理非线性问题的能力,而振型参数对结构的局部损伤非常敏感。本文以振型比值为RBF网络的输入参数,以单元损伤程度为输出参数,建立了用于简支梁桥损伤识别的RBF网络。以简支梁桥为数值模拟算例,验证了该方法的有效性。数值模拟结果表明:该方法能够进行有效的损伤位置及程度识别,具备良好的精度。     

桥梁健康监测技术研究现状及展望

为进一步推进桥梁健康监测技术的发展,保障桥梁运营安全,依据近20年国内外桥梁健康监测（BHM）领域的学术研究现状,总结了BHM在系统及适用性、结构损伤监测算法、监测数据预处理、损伤结构安全预警及数字孪生技术方面取得的最新进展,确定BHM技术目前的研究热点和未来的发展方向。综合分析表明：在BHM系统及适用性方面,研究结构响应参数与健康指标的关联机制,研发长寿命非接触自动采集的智能传感装置,建立针对多源数据采集、传输、存储、分析、评价、预警于一体的自动化、网络化、智能化综合系统是重点研发方向;在结构损伤监测算法方面,设置针对异质场景的不同人工神经网络及修正方法选择建议集,针对多源信息流构建基于数据驱动与模型修正实时交互的多层级耦合智能算法是主要研究热点;在监测数据预处理方面,进一步研发基于深度学习的多源异构数据融合方法,建立复杂环境影响下的损伤结构动态信号提取算法,实现结构监测数据的精准分离是未来研究的热点;在损伤结构安全预警方面,研究重心集中于预警指标和预警体系的建立以及基于可靠度理论与监测数据的常规损伤安全评估,以结构监测数据反映总体力学行为并结合局部损伤的智能检测信息进行服役性能评价是未来的主要发展方向;数字孪生技术在BHM中尚属起步,将数字孪生技术融入多层级复合算法,建立结构多源异构大数据智能融合机制,形成数字联通、实时互动的智能化桥梁运维监测体系是重要发展方向。     

考虑粗糙度影响的桥梁损伤识别间接测量方法

基于间接测量技术,采用国际标准化组织建议的功率谱密度函数（PSD）模拟路面粗糙度等实际因素在车桥耦合模型中的影响,提出一种通过检测车辆在桥梁上运行,并利用安装在检测车辆上的传感器所得的动力响应信号来识别梁弯曲刚度,进而进行结构损伤识别的间接测量新方法。考虑到应用该新方法过程中路面粗糙度等实际因素易产生不利影响,提出利用车频及车辆阻尼比相同的2辆检测车位移信号相减的方法来消除路面粗糙度产生的影响。首先通过理论推导对该方法进行理论验证,接着采用数值模拟的方法分别对采用该方法消除路面粗糙度影响的可行性、桥梁损伤位置识别的可行性以及损伤程度识别的可行性进行验证,最后采用该方法进行实桥实测试验。研究结果表明：所提方法可以有效消除路面粗糙度等实际因素对间接测量技术的不利影响,可以有效地识别梁弯曲刚度,进而达到桥梁损伤识别的目的,有助于推动基于动力测试的间接测量技术在桥梁结构损伤识别工作中的实际应用。     

桥梁健康监测技术的适用性

为了掌握桥梁在各种工作环境下的结构行为和状态,并利用监测信息及早发现桥梁的异常或损伤,在总结了多座斜拉桥病害特点的基础上,以1座典型斜拉桥的有限元模型模拟了多种可能的损伤情形,并通过计算得到各种损伤情况下的结构动、静力反应及其变化。通过对损伤引起的结构变化和现代监测技术的工作性能及环境对结构行为影响的比较,调查典型桥梁健康监测方法的适用性。结果表明:以目前的监测手段获得的数据难以用来实现桥梁的损伤预警。     

损伤状态下悬索桥静动态响应的模型试验研究

面向健康诊断,设计制作了悬索桥结构整体试验模型.利用该模型,对悬索桥进行了加劲梁、主缆、吊索等基本构件的损伤状态模型试验研究.分析了损伤状态下,加劲梁挠度与应变、主缆应变、吊索应变、固有频率的变化规律.悬索桥结构各种响应对加劲梁损伤的敏感性很低,对加劲梁损伤位置的相关性也不明显.主缆损伤引起的悬索桥结构静动态响应变化最为明显,并且响应的变化对损伤位置和损伤程度都呈现良好的相关性.吊索损伤导致的悬索桥结构响应变化对损伤位置和损伤程度亦呈现良好的相关性.但导致的加劲梁挠度和应变变化幅度很小.     

用于结构损伤位置识别的两种神经网络性能比较

为了克服用BP网络进行结构损伤位置识别时网络结构确定难、网络训练易陷入局部极小、训练时间长以及处理带噪声数据需要大量的误码练样本等问题，提出用SOFM网络进行结构损伤位置识别的方法。分别用SOFM网络和BP网络对一桁架结构进行损伤位置识别，通过比较两种网络的性能发现SOFM网络不但网络结构容易确定，网络训练不存在陷入局部极小的问题，BP网络只有在大量训练样本条件下才能保证网络具有较好的抗噪声能力，若训练样本不足，则BP网络的抗噪声性能较差，而SOFM网络在较少训练样本情况下即可具有良好的抗噪声性能，因而SOFM网络更适合训练样本有限备件下的结构损伤位置识别。     

致损荷载信息缺失在役钢桥的疲劳损伤状态重构方法

大多数在役钢桥的致损荷载信息缺失,根据不完备监测检测信息重构结构的疲劳损伤状态,是确保结构服役安全的基本前提。基于部分疲劳开裂信息反向重建等效致损荷载信息,提出了致损荷载信息缺失条件下的在役钢桥疲劳损伤状态重构方法。首先通过线性损伤累积理论和等效结构应力评估方法计算不同荷载工况下的疲劳敏感构造细节疲劳损伤累积;以钢桥服役期间疲劳损伤监测检测获得的疲劳裂纹检测结果为约束条件,将荷载工况的线性组合作为等效荷载历程,实现了在役钢桥结构的疲劳损伤状态重构;通过模型试验对所提出的疲劳损伤状态重构方法进行了验证。研究结果表明:基于疲劳裂纹损伤信息,在致损荷载信息缺失条件下重构得到的疲劳敏感构造细节损伤状态重构结果与试验结果吻合,证明了致损荷载信息缺失条件下实现疲劳损伤状态重构的可行性和所提出方法的有效性,为在役钢桥的实际疲劳损伤状态评估提供了新思路和新方法。     

基于车致桥梁响应和L1正则化的损伤识别研究

桥梁损伤识别是典型的反问题,通常需采用正则化手段求解。基于L₁正则化的损伤识别方法能很好地利用损伤所具有的稀疏性,在桥梁监测领域得到了广泛的应用。此类方法通常利用频率和振型的变化作为判断损伤的依据,然而实际测试中可获得的频率阶数有限、振型测试精度低,严重影响其效果。采用移动荷载激励下的桥梁动力响应,提出一种基于有限元模型修正技术和L₁正则化的损伤识别方法。首先,采用数值算例系统比较局部损伤导致的桥梁频率变化与车致桥梁动力位移-时间曲线面积变化情况,结果表明相比于频率变化,车致桥梁动力位移-时间曲线面积的变化更适合用于损伤识别。其次,提出基于有限元模型修正技术和L₁正则化的桥梁损伤识别方法。将桥梁有限元模型中的单元刚度折减因子作为待修正参数,以模型计算和实测车致桥梁动力位移-时间曲线面积的差值最小为目标函数,并引入L₁正则化优化求解,识别桥梁损伤。然后,采用包含单损伤和双损伤工况的简支梁和连续梁数值算例,验证所提方法的有效性,并分析测试噪音、移动荷载速度不均匀和桥梁刚度分布不均匀对识别结果的影响。最后,制作移动车辆和简支梁桥的试验模型,进行移动荷载试验。研究结果表明：提出的损伤识别方法能够较准确地识别桥梁单损伤的位置和程度,但随着损伤数目的增多,其有效性有所下降。