基于小波分析的拱桥健康监测系统应力数据消冗去噪技术研究

考虑受力特点和安全性,钢筋混凝土拱桥是低等级公路在山区条件下跨越沟谷的首选桥型。论文以云南省内的金沙江大桥为例,介绍该桥梁上已安装的健康监测系统基本组成及基于小波分析的其数据处理的方法。桥梁健康监测系统可以提供桥梁在运营状态下的真实响应,也可以为桥梁损伤反演提供实测数据。结构状态的反演和损伤识别是健康监测系统的核心技术,实质上就是通过大量的实测数据反演结构状态并得到可能存在的损伤。小波分析能够将原始监测数据按频带宽度进行多层次划分,桥梁健康监测系统的应力数据中,与车辆相关的信息为周期短、频率高的信号,与温度相关的信息通常表现为中等周期与频率的信号,与承载力变化相关信息为周期长、频率低的信号,因而用小波分析能够将这些不同性质的信号区分开来。小波分解后则测试噪声部分通常包含在高频中,低频部分代表着信号的发展趋势,随着尺度的增加,时间分辨率的降低,信号的这种发展趋势会越来越明显。     

基于AO算法优化VMD参数联合小波阈值的桥梁信号去噪方法

当桥梁进行状态评估和健康监测时，所获得的桥梁信号易受外部环境的干扰，难以反映桥梁结构的真实响应。针对桥梁信号夹杂环境噪声等问题，提出了基于联合天鹰算法(Aquila Optimizer, AO)、变分模态分解(Variational Mode Decomposition, VMD)和小波阈值的去噪方法。该方法首先利用AO算法优化VMD的参数，然后用VMD对含噪声的信号进行自适应分解，再去除方差贡献率较小的模态，最后对剩余的模态进行小波阈值去噪处理，重构信号得到去噪后的真实信号。对模拟信号和桥梁动应变的实测信号分别进行分析，结果表明：基于AO算法优化VMD参数联合小波阈值的去噪方法能有效滤除噪声信号，且去噪效果优于单一的小波阈值去噪、EMD联合小波阈值去噪以及EEMD联合小波阈值去噪等常用的去噪方法，研究成果可为桥梁信号的去噪处理提供有意义的参考。     

一种基于EMD和小波阈值的桥梁振动信号混合去噪方法

在对桥梁进行健康监测的过程中,桥梁振动信号易受外部环境干扰而产生噪声,影响桥梁真实振动数据的获取与分析.为了减少噪声带来的影响,提出一种基于经验模态分解法(EMD)与小波阈值的混合去噪方法.该方法先通过EMD分解信号获得高频固有模态函数(IMF)分量,然后选取IMF分量使用小波阈值去噪,最后重构IMF分量获得去噪后的信号.结果 表明,基于EMD和小波阈值混合去噪能有效地滤除干扰噪声信号,且去噪效果优于单一的EMD分解去噪法和小波阈值去噪法.这一结果为桥梁振动信号的去噪处理提供了有意义的参考.     

应用移动质量法的结构损伤小波识别方法

为提高结构损伤识别的精度,充分发挥小波识别在特征提取、信号奇异性检测、信号降噪等方面的独特优势,提出采用移动质量多次检测法的结构损伤小波识别方法。该方法采用移动质量块在不同位置对桥梁进行多次测量,利用各次测量的频率值的变量来确定桥梁结构的其他模态参数,从而确定桥梁的局部单一和多处损伤情况。采用数值算例对该方法进行验证,结果显示,对简支梁的单一和多处损伤识别效果明显。     

基于小波变换和ARIMA模型的桥梁健康监测数据分析

为了对桥梁健康监测系统采集的海量数据进行深入挖掘,使其在结构评估中效用最大化,将监测数据视为一维信号,以小波变换、时间序列分析为工具,对某四跨连续刚构桥挠度监测数据进行了分析,研究探讨了该方法对于监测数据分析的适用性。对于监测数据进行离散小波变换,根据小波变换系数分析得出了结构监测数据的发展趋势,同时可过滤掉数据信号中已缺失细节信息的系数,重构信号,对该重构信号进行时间序列分析,采用最小二乘法进行参数估计,建立了重构信号的ARIMA预测模型,成功对某大桥某时刻后未来一定时间的挠度进行了预测。研究结果可以预测桥梁结构在未来某周期内的运营状态信息,对于结构运营状态监测预警有积极的意义。     

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。     

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。     

小波变换在桥梁结构损伤识别中的应用

通过小波变换极大值点同信号突变点及其李氏指数之间的关系,采用小波变换极大值在多尺度上的变化规律来表征信号突变点的性质,从而确定信号有无奇异点并确定其位置,进而对桥梁进行损伤识别。将该理论应用到带裂缝悬臂梁有限元模型,通过模态、瞬态和静力试验采集信号,精确确定裂缝个数及位置。较之传统方法,该方法不仅可以达到经济方便的目的,而且检测结果更为精确可靠。     

基于GCV准则和改进阈值函数的小波去噪方法研究

为了准确确定小波阈值,改善阈值函数的降噪效果,提出一种基于GCV准则确定阈值和改进的阈值函数相结合的小波去噪方法。首先对信号进行小波变换,定义基于小波系数的GCV函数,通过对其进行优化求解最小值来选取小波阈值,然后采用改进的阈值函数对小波系数进行处理,最后对处理后的小波系数进行重构,得到去噪后的信号。通过一已知信号和噪声的数值算例,对比了该方法与常用的确定阈值方法和软阈值函数的去噪效果,验证了该方法具有更好的去噪效果。应用该方法,对一座斜拉桥的健康监测系统采集的实测挠度数据进行分析处理,结果表明,该方法有效降低了噪声影响,降噪后的挠度与数值结果接近。     

基于迁移学习的桥墩结构损伤识别方法

提出一种深度学习的桥墩结构损伤识别方法,该方法通过迁移学习(TL)将源模型的权重和参数转移到目标模型上,加快深度模型的训练速度、提升模型损伤识别精度。使用连续小波变换将振动信号转换成时频图作为深度模型的输入,构建可识别砼结构损伤的深度模型,该模型的固定部分使用源模型的权重和参数,非固定部分的权重和参数使用新的数据训练得到;通过试验及仿真对该模型的有效性进行验证,试验方面使用砼桥梁在有损伤和无损伤时的振动信号,仿真采用ABAQUS/CAE建立砼塑性损伤识别模型(CDP)并采集振动信号;将文中方法与从零开始训练的深度卷积神经网络(CNN)及支持向量机(SVM)方法进行对比,文中方法在试验数据上的识别精度达99.1%,在仿真数据上的精度达100%,相对于传统识别方法,该方法可提高损伤识别精度和模型训练速度。     

基于曲率模态和小波系数差的损伤识别

针对单一方法对结构损伤识别不太敏感的缺陷,提出了结合曲率模态和小波分析的综合损伤识别方法。以损伤前后的曲率模态作为分析信号,进行离散小波变换,提取高阶频率系数。将高阶系数之差作为损伤指标,通过高频系数差值的奇异处可以识别损伤位置。经过对2跨连续梁的数值模拟,不仅能够识别1、2处损伤,还能识别支座附近的损伤。证实了此方法定位准确,易于识别的优点,并对一座2跨连续梁钢桥模型进行试验。     

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。     

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...     

大跨度预应力混凝土斜拉桥基于定期检测的损伤识别方法

为了在定期检测信息的基础上实现大跨度预应力混凝土斜拉桥的健康状态评估,提出采用无线多点自动综合测试系统监测结构应力,利用环境随机振动法测试全桥索力,并结合桥梁几何测试信息,获得桥梁状态的综合检测方法。针对招宝山大桥,建立最优化遗传静力反分析模型,采用基于遗传算法的大型复杂结构损伤识别程序对模拟的损伤工况进行分析,有效识别出了斜拉桥主梁的损伤位置。并且由于遗传优化算法对参数的类型和数量没有限制,对斜拉桥进行包含不同损伤类型的参数化建模,可以进行结构多类型损伤的识别,因此,可推广至其他复杂桥梁的损伤识别,为同类工程所借鉴。     

基于模态分析理论和神经网络的斜拉桥拉索损伤识别研究

将振动模态分析和神经网络技术结合起来,以振动模态构造的损伤标识量作为神经网络识别输入的特征参数,进行结构健康监测。根据云阳长江公路大桥设计资料,考虑桥梁拉索结构的单构件损伤、2个构件损伤、3个构件损伤3类损伤工况,分别采用了模态频率、位移振型模态、曲率模态3种指标作为神经网络的输入参数,共建立9个BP神经网络模型进行了桥梁损伤识别的研究。研究结果表明基于振动模态分析理论和BP神经网络的桥梁损伤识别方法可用于识别斜拉桥拉索结构的损伤位置和损伤程度。     

利用机器人检查斜拉索初探

针对目前迫切需要斜拉桥缆索检测自动化而设计的一种轻型缆索检测机器人,该款机器人已在广州番禺西丽大桥斜拉索检测现场试验成功,取得满意效果。主要介绍该款机器人的驱动系统、摄像系统以及扩展功能,对斜拉索检测机器人的应用、推广具有一定意义。     

基于非接触远程智能感知的桥梁形态监测试验

为进一步提高利用非接触式影像监测大型桥梁安全状态的精度与效率，实现结构健康监测系统兼有经济、可信且全息的技术理论优势，提出依据结构全息影像序列数据的非接触式机器视觉远程智能感知进行桥梁结构全息几何形态监测的方法。通过单机自动巡转桥梁立面动静影像全息监测系统试验装置获取试验桥在各损伤/作用工况下的原始动静影像数据，根据序列数据在时间、空间上具有强关联信息的特性，分别构建降噪及抗扰动单元、欧拉运动放大单元及运动信息提取单元进行全息几何形态测量，以历次试验监测数据为样本数据集，利用分层思想依次建立数据抽样和结构几何信息间映射的数学网络模型，经结构设计不断训练、调试与优化桥梁力学行为智能感知网络，最后获取试验桥在试验过程中的全息变形、全息变形包络谱、全息位移时程曲线。研究结果表明：该方法获得的数据与传统的常规接触式传感器实测值基本吻合，试验桥在各工况下的曲线变化趋势基本一致，全息变形测量值平均误差12.21%，全息变形包络谱测量值平均误差9.06%，全息位移时程曲线测量值平均误差8.55%，对环境规律噪声信号筛除效率为81.9%，基于非接触远程智能感知的桥梁形态监测真实、连续、敏感、较为准确地反映了结构在各损伤/作用工况下的真实形态变化，可为后续进一步研究结构状态演绎以及损伤智能化识别方法奠定基础。     

结合信号配准技术的小波多尺度车辆边缘检测方法

为了在准确检测边缘的同时有效地抑制噪声,提出了结合信号配准技术的小波多尺度边缘检测方法。该方法首先基于小波变换的特点设计小波多尺度边缘检测算法检测图像边缘;而后结合信号配准技术将不连续的边缘连接为完整的边缘轮廓,减弱由噪声或干扰造成的影响。试验结果表明:该方法不仅能准确检测出清晰连续的边缘图像,而且能有效抑制噪声,是边缘检测的实用方法。     

基于车辆响应的桥梁间接测量与监测研究综述

中小跨径桥梁量大面广且维护投入相对较少，如何实现快速、经济且准确的状态评估与损伤诊断是交通基础设施管理中亟待解决的关键问题。2004年，Yang等首创了基于车辆响应的桥梁间接测量法（也称“车辆扫描法”），因具有高机动性、快速、可连续测试等显著优点，在国内外备受广泛关注与推崇。为了推动桥梁驱车间接测量法的技术落地并探索其未来发展方向，综述了国内外基于车辆响应的桥梁间接测量与监测研究进展。首先，对基于车辆响应的桥梁间接测量理论进行简述，通过解析推导验证了利用车辆响应间接识别桥梁模态频率与振型的可行性，揭示了该方法的核心原理；然后，回顾了间接测量法在识别桥梁模态参数（频率、振型、阻尼比）、损伤和桥面不平整度等方面的理论和数值研究进展；最后，综述了基于间接测量法的模型试验和和现场试验现状。文献综述表明：基于车辆响应的桥梁间接测量与监测方法，在桥梁快速检测与损伤诊断中具有显著优势和广阔应用前景，有望为量大面广的中小跨径桥梁的检测监测与管理维护提供一套快速、经济且准确的技术方法。