环境激励下基于小波能量互熵的结构损伤诊断方法

环境激励下的结构响应是一个随机过程,结构发生破损时其响应将随之变化,可将描述随机过程特性的参数作为评判结构状况的指标.熵是测量随机过程不确定性的一个比较方便的方法,能够用于高斯及非高斯分布的情况.在小波分解的基础上建立了小波能量互熵的概念,提出了一种环境激励下用小波能量互熵诊断结构损伤的方法.用ANSYS建一个桥的模型,以此为对象进行研究,获取加速度响应信号,用小波进行分解,得出了不同损伤状态下模型的小波能量熵,分析结果验证了该方法的有效性.     

基于小波包分析的古建结构损伤识别

对古建结构的损伤进行有限元分析,提出随机激励作用下古建结构的小波包能量变化率指标。把古建结构梁上节点的加速度响应采用小波包变换进行损伤定位分析,研究表明:该指标对于古建结构的损伤较敏感,能准确判定古建结构损伤发生的位置,且损伤程度越大,该指标值越大。所提出的指标为环境激励下古建结构的损伤识别奠定了理论基础。     

基于相对小波熵和神经网络的结构损伤识别

建立接触的几何非线性简支梁模型模拟损伤裂缝的开合,计算在脉冲激励作用下简支梁完好状态机损伤状态下各节点的加速度响应,分析了损伤简支梁相对于完好梁的相对小波熵,以此有效识别简支梁损伤情况及预判损伤程度;结合BP神经网络,以不同工况下对应的相对小波熵值作为输入进行训练,利用BP神经网络较强的非线性能力及容错性对损伤位置、损伤程度进行准确判断.识别结果表明了相对小波熵指标在结构损伤检测中的有效性及实用性.     

基于小波包能量谱的古木结构损伤识别

通过对古木结构损伤进行有限元分析,提出了随机激励作用下古木结构的小波包能量变化率指标,表明该指标对于古木结构的损伤比较敏感,可以准确地判定古木结构损伤出现的位置,损伤程度越大,此指标越大。随后又提出了古木结构损伤程度的判定方法,并验证了其适用性,为研究环境激励下古木结构的损伤识别奠定了理论基础。     

离散空间小波分析的环境荷载下桥梁的损伤识别

利用离散空间小波多分辨分析,分别探讨了匀速简谐汽车作用荷载和随机白噪声作用荷载(模拟汽车与风荷载的耦合)两种环境荷载作用下桥梁已有损伤位置的识别方法。建构了桥梁结构损伤定位的离散空间小波变换的理论模型,同时讨论了不同小波函数的选取及分解层次的确定方法。该方法仅需测量损伤后桥梁的位移或应变响应,不需损伤前后的结构特性,不影响交通。对原始输入的位移信号进行逐步差分前处理使得识别结果更准确。模拟试验表明,离散空间小波多分辨分析是识别环境荷载作用下桥梁损伤位置的准确可靠方法。     

基于多尺度小波谱的桥梁结构非一致地震响应分析研究

基于小波理论揭示了大跨度桥梁在非一致地震激励下的输入输出关系。在地震输入方面,利用小波理论,将地震波模拟为非平稳随机过程,在模拟过程中不但考虑了地震波幅值及频率的非平稳特性,而且该荷载模型可以同时考虑大跨结构多点激励问题;在结构的地震动响应方面,利用小波理论及结构的输入-输出关系,得到了结构在非一致地震激励下结构响应的瞬时功率谱密度及瞬时均方值的表达形式。最后,通过一座三跨连续刚构桥的数值算例,验证了所提出方法的准确性。     

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.     

基于支持向量机的钢筋混凝土桥梁损伤识别

为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。     

基于小波包和频响函数随机——模糊统计的斜拉桥损伤识别

针对单一方法损伤识别的缺点,提出了基于频响函数和小波包能量谱的斜拉桥损伤识别指标,结构损伤前后的频响函数作为信号,进行小波包能量谱分析.由于试验中的频响函数存在一定的随机模糊性,对完好状态下的10次频响函数值进行了随机模糊均值处理,得到的频响函数作为基准.独塔斜拉桥模型实验表明,斜拉桥的一处和两处的损伤都可以识别,损伤...     

土体障碍物超声探测信号小波包特征分析方法

利用小波包分解方法,对土体中障碍物的超声探测信号进行分析。选用sym8小波基函数进行6层小波包分解,并截取信号能量集中的前16个频带进行细致分析,从小波包频带能量、小波包频带能量熵、小波包频带能量矩三个角度对信号进行对比。结果显示,存在障碍物位置处信号和不存在障碍物位置处信号的小波包频带能量熵大致相等,不能作为信号识别及障碍物判断的方法,而小波包频带能量和小波包频带能量矩在部分频带上差异明显,可以作为信号识别及判断的方法。     

基于车辆制动激励和小波包能量分析的连续梁桥基础冲刷识别方法

近年来，因基础冲刷引发的桥毁事故频发，冲刷会造成桥梁下部结构周围土体被破坏进而导致基础承载力下降，并且由于冲刷位置隐蔽增加了识别检测的难度。为了精准识别桥梁下部结构的基础冲刷损伤，利用车辆制动作用可引起更为显著的桥梁下部结构纵桥向动力响应这一特点，提出了一种基于车辆制动作用下桥梁动力响应小波包能量分析的连续梁桥基础冲刷识别方法。该方法选择典型三轴车制动作用作为动力激励，利用小波包对冲刷前后的车辆制动作用下桥墩顶纵桥向加速度响应进行分解，提出以小波包能量方差变化率作为冲刷识别指标，实现基础冲刷位置识别；进而通过数值模拟方法建立包含多种冲刷程度与对应测点冲刷指标值的样本库，拟合分析确定冲刷识别指标值与冲刷程度间的函数关系，通过识别出的各测点冲刷指标值基于模式反演方法实现冲刷程度的量化识别。一座混凝土连续梁桥工程实例的分析结果表明，该方法能够实现梁桥基础冲刷的定位和定量识别，抗噪能力强，且识别结果受桥面不平度、制动位置、车质量和初始车速等因素影响较小。该方法在试验过程仅需在桥墩顶安装加速度传感器，可借助常规的桥梁荷载试验项目实现，具有测试简便易行、识别精度好等特点，适于公路梁桥基础冲刷的快速检测。     

Fault detection of vehicle suspension system using wavelet analysis

This paper presents a method based on continuous wavelet transform to detect the faults of vehicle suspension systems. The Morlet wavelet functions are employed to approach the natural frequencies of the system and the frequency components of the signal with relative maximum energy. To evaluate our method, we use a full vehicle dynamic model which has been simulated in ADAMS/CAR and validated by laboratory test results. The suspension faults have been considered due to the damage of shock absorbers (dampers) and upper damper bushings (UDBs) and assumed as the decrease in damping force and loose joints, respectively. In this paper, the incapability of the spectral analysis by using fast Fourier transform in analysis of the signals is revealed through applying the inputs that include transient characteristics and then wavelet transform employed to achieve more proper results. A swept frequency is applied as an input to the wheels that simulates the road irregularities. After detection of faulty sections of the system using signal energy distribution, the defects of damper and UDBs are distinguished from each other through observing the changes of natural frequencies and corresponding energy amplitudes.     

基于ANFIS的环境激励下桥梁结构应变响应预测分析

为准确预测复杂环境荷载作用下混凝土连续梁桥结构应变响应，基于结构健康监测系统长期实测数据，分析桥梁结构温度场变化规律，进而基于主成分分析及自适应神经网络模糊推理系统，建立桥梁结构温度场与桥梁结构应变响应的复杂非线性关系。首先，利用小波分解技术分离环境荷载及车辆荷载作用下的桥梁结构实测应变响应；然后利用平行坐标轴，分析混凝土连续梁桥结构温度场变化规律，并利用主成分分析提取结构温度场实测温度数据主成分；最后基于自适应神经网络模糊推理系统，以应变测点处温度数据、桥梁结构温度场实测温度数据主成分和采样时间点数据为输入数据，分别建立不同输入变量组合与应变响应的复杂非线性关系，并对比分析不同工况下结构应变响应的预测精度。结果表明：桥梁结构各测点处实测温度数据变化趋势基本一致，同侧测点实测温度数据高度相关，但桥梁结构上、下表面测点温度变化存在明显差异，仅考虑应变测点处温度变化，难以准确预测桥梁结构应变响应；当考虑桥梁结构温度场变化时，能更精确地建立温度与应变响应之间的关系模型，进而基于实测温度数据准确预测桥梁结构应变响应；当缺乏结构温度场实测温度数据时，将采样时间点作为反映桥梁结构温度场变化规律的参数，可取得较好效果。     

基于时-频相干与 RBF 网络的气缸压力识别研究

针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题,提出一种基于时‐频相干与神经网络的气缸压力识别方法。首先采用 Morlet 连续小波变换分别将缸盖振动信号和缸压信号在时‐频域内展开,然后采用交叉小波对两信号进行时‐频相干分析,设定相干系数阈值并进行掩膜处理,对所得结果重构便可得到燃烧激励引起的缸盖振动信号。最后,选取8个参数作为评价燃烧效果的特征指标,利用径向基函数（RBF）神经网络估计缸压。研究结果表明：该方法有效地提取了缸盖上的燃烧特征信号,通过 RBF 神经网络估计缸压,逼近于实际缸压变化。     

基于小波提升框架的交通目标检测与跟踪

交通图像分析是智能交通领域的关键技术之一。为实现复杂交通场景中的多目标检测与跟踪,设计了一种结合小波提升框架和KLT特征点跟踪的多运动目标检测与跟踪算法。对序列图像中相邻两帧图像的融合图像进行小波提升变换,求取水平和垂直方向上的小波能量,通过合理阈值二值化小波能量矩阵,再利用贴标签方法检测出运动目标;利用KLT特征点集合代表目标,通过跟踪后的特征点集合与目标检测区域的相互关联,实现多目标的跟踪。实验结果表明了所提算法的有效性。     

基于响应功率谱传递比的桥梁结构工作模态参数识别方法

为实现基于振动传递比函数的工作模态分析方法能够在任一荷载工况下识别结构模态参数，引入参考响应思路，构建响应功率谱传递比（Power Spectral Density Transmissibility，PSDT）函数。首先利用比例函数的极限定理，揭示PSDT在系统极点处的重要特性，进而根据这一特性建立PSDT驱动的峰值法；同时为解决传统传递比方法无法识别结构阻尼的问题，建立基于PSDT驱动的最小二乘复频域法（LSCF），通过参数化拟合思路识别频率、振型和阻尼比，并运用稳定图辅助剔除虚假模态。通过10层剪切型框架结构数值算例，对比研究外部激励性质对PSDT法及传统频域法（峰值法、频域分解法）识别结果的影响。最后，运用PSDT法对环境激励下的人行桥进行工作模态分析，并与传统响应传递比方法及随机子空间法（SSI）结果进行对比。研究结果表明：在同一工况下不同参考响应的PSDT函数在系统极点与外部激励性质无关，且等价于振型比值；PSDT法相比于传统频域法对外部激励具有更为良好的鲁棒性，能够降低识别谐波激励引起的虚假模态的风险；不同于传统响应传递比方法，在任一工况下基于PSDT法能够识别人行桥的包括阻尼比在内的工作模态参数，并产生更为清晰的峰值和稳定图，具有更好的可操作性；该方法识别结果与SSI结果吻合较好，验证了其在任一荷载工况下分析实际桥梁结构工作模态特性的可行性。     

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。