考虑温度效应的简支梁桥损伤识别方法研究

基于模态频率的损伤识别方法得到了广泛的应用,而温度往往会掩盖桥梁损伤造成的模态参数变化.通过建立简支梁有限元模型,改变混凝土弹性模量进行模态分析,得出了温度和损伤作用下的简支梁模态频率.结合BP神经网络,对温度影响下的简支梁桥损伤进行了有效识别.     

基于支持向量机和模态曲率的桥梁结构损伤识别

提出了一种用于桥梁结构损伤识别的支持向量机方法。该方法以结构损伤前后的模态曲率差参数为支持向量机的输入参数,c-svc算法为损伤位置识别算法,ε-svr算法为损伤程度识别算法。最后以三跨连续梁桥为数值模拟算例,以存在单个及多个损伤单元为损伤工况,验证该方法的有效性,识别结果表明基于支持向量机和模态曲率的损伤识别方法能够准确识别出结构的损伤位置,损伤程度识别误差在4%以内。     

基于环境激励的桥梁模态参数识别

深入研究基于环境激励的模态参数识别方法的原理及特点,归纳分析了基于环境激励的模态参数识别方法的优点,并借助一定的桥梁实例分析,对基于环境激励的模态参数识别方法进行了深入的研究,为基于环境激励的桥梁模态参数识别的研究和发展奠定了坚实的基础。     

基于输出响应的识别结构参数的神经网络方法

讨论了输出未知时结构模态参数基于频率响应函数的神经网络识别方法,并研究了不同的噪声水平和网络输入层结点数目的变化对网络输出误差的影响。讨论了网络对不同阶数模态参数的识别精度。数值结果表明该方法是可行的。     

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。     

钢桁梁桥的损伤诊断研究

首先针对基于动力特性和人工神经网络的桥梁结构损伤诊断研究情况作了简要介绍,主要工作是将动力特性参数作为神经网络的输入数据,以改进的频率和振型动力特性组合指标参数对钢桁架简支桥梁结构进行了损伤识别,识别结果表明对钢桁架简支桥梁的损伤位置识别误差较小,对损伤程度的识别效果稍差,识别方法还需要进一步改进。     

基于曲率模态和神经网络的结构损伤诊断

基于神经网络算法，利用曲率模态参数对框架结构损伤定位和定量识别问题进行了研究和实例分析，分别用两种网络对结构损伤进行诊断，并用灰色理论对结构损伤进行了预测。结果表明，灰色理论能成功地对结构损伤进行预测，神经网络适用于此类损伤无规律对象问题的诊断。     

径向基网络在简支梁损伤识别中的应用

对简支梁进行损伤分析,研究不同损伤工况下的频率变化率和模态振型曲率变化,并采用径向基神经网络对结构进行损伤识别研究。研究中分别采用频率变化率、第1阶模态曲率变化、综合使用前3阶频率变化率和模态曲率变化3种方案。结果表明,基于动力参数和径向基网络的结构损伤识别方法能够准确识别结构的损伤程度;神经网络的输入参数选择对结果有较大影响,综合使用频率变化率和模态曲率变化方案的识别效果最好。     

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.     

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BP神经网络算法的土木结构损伤检测研究

结构损伤会导致其振动频率发生变化,基于频率测量的结构损伤识别方法简单方便,在结构健康监测领域应用广泛.本文在分析结构固有频率的基础上,把结构损伤识别问题分解为损伤状态辨别、损伤定位、损伤程度识别三个过程,对每个过程用模态参数构造标识量,并作为特征参数输入到神经网络中实现损伤识别.结合实验室一箱形钢梁的损伤检测试验进行了应用,收到满意的效果.     

基于改进SSI的大跨斜拉桥模态参数识别研究

实际工程中,为时刻检测桥梁结构是否处于良好的运营状态,通常会在桥梁结构上安装各种类型传感器,通过分析传感器采集的响应信号以获得其模态参数,并利用模态参数变化规律来间接评估其运营状态。基于此,为提高模态参数识别精确性,针对最为常用的模态参数识别算法-随机子空间算法(SSI)不足,提出了以频率值、阻尼比以及模态振型为判别因子的真实模态筛选算法。最后将所提算法运用于识别某大型斜拉桥的模态参数识别,识别结果表明:本算法不仅能有效实现真实模态的智能化筛选,且识别结果具有可靠性。     

基于最小修正量法的振系物理参数识别方法

在分析振型矩阵关于质量和刚度矩阵加权正交性的基础上,利用振动频率和振型数据识别系统物理参数的最小修正量,借助Lagrange乘子法,求解约束条件下的质量与刚度矩阵误差加权范数为最小的优化问题,提出了以实测模态参数为基准的振系物理参数识别的计算方法,推导了完整和非完整2种试验模态参数情形下的物理参数识别计算表达式,给出了迭代算法,并对4自由度系统进行了模态试验及数值分析.分析结果表明:刚度矩阵和质量矩阵与真值非常接近,最大误差分别为0.086%和0.34%,因此,提出的方法具有很高的可靠性.     

环境激励下钢筋混凝土拱桥模态参数识别

为正确选择模态参数识别方法,对某钢筋混凝土拱桥进行了环境振动试验,采用频域、时域和时频分析方法——峰值拾取法(PP)、随机子空间识别(SSI)以及基于经验模态分解(EMD)和随机减量技术(RDT)的方法——识别其模态参数;比较了3种模态参数识别方法的特点和识别结果,并与有限元法计算结果进行了比较.研究结果表明:峰值拾取法的识别速度快,识别的频率较可靠,但识别过程需要较多人工干预;随机子空间识别的理论体系完备,适合程序实现,识别过程能较好地抵消测试过程中噪声等的影响;由于模态混叠的影响,EMD-RDT识别结果具有一定随机性.     

基于模态参数和神经网络的结构损伤检测

基于Levenberg—Marquardt规则BP神经网络算法,利用频率变化量和曲率模态参数分别对框架结构损伤定位和定量识别问题进行了研究和实例分析。结果表明．它们均能对结构损伤进行预测,BP神经网络适用于此类损伤无规律对象问题的诊断。     

基于变分模态分解和奇异值分解的结构模态参数识别方法

为了准确获得结构的固有频率、阻尼比与振型, 将变分模态分解与奇异值分解相结合, 提出一种新的结构模态参数识别方法; 基于已有时频参数识别方法, 根据测量的脉冲激励与加速度响应估计系统的频响函数, 对系统的频响函数进行反傅里叶变换得到脉冲响应函数; 对各测点的脉冲响应函数进行变分模态分解, 得到与结构固有频率对应的本征模态分量; 提取本征模态分量的固有频率, 利用与固有频率相近的本征模态分量作为行向量构造奇异值分解矩阵, 对所构矩阵做奇异值分解, 利用最大奇异值重构左、右奇异值向量, 识别结构的振型、固有频率和阻尼比; 通过四自由度质量-弹簧-阻尼模态仿真试验和车体横梁锤击模态试验, 验证了所提出的模态参数识别方法的有效性。研究结果表明: 在四自由度理论模型参数识别中, 系统固有频率和阻尼比的识别结果与理论计算结果的最大相对误差分别不超过0.025%和1.490%, 理论计算与识别的1~4阶振型的模态置信度分别为0.999、1.000、0.999和0.999;在车体横梁锤击模态试验中, 提出方法识别的固有频率和阻尼比与理论计算结果的最大相对误差分别不超过1.57%和1.47%, 且车体横梁的理论振型与识别振型趋势相同。可见, 提出的方法能有效识别结构的模态参数。      

基于灰色-神经网络的大跨度斜拉桥参数识别

为解决大跨度斜拉桥施工过程中观测噪声对结构参数识别的影响,以苏通大桥为工程背景,提出了基于灰色-神经网络的施工全过程参数识别方法.灰色系统理论与人工神经网络相融合,在小样本和数据不完备的情况下可以进行结构参数识别,并具有预测功能.苏通大桥参数识别的结果表明,参数识别后的计算值与实际结构挠度响应间的最大误差减小77%,与传统识别方法相比,灰色-神经网络方法的识别精度提高50%.     

经验模态分解在桥梁检测中的应用

文章介绍了经验模态分解（EMD）的原理、特点及其应用,编制了EMD算法程序并验证了程序的正确性,最后采用EMD方法对某桥梁基于环境激励条件下的实际信号进行分解,结果表明,该方法能有效对信号进行分解,是一种无需预设带宽的自适应高通滤波方法,适用于结构模态参数识别。     

模态柔度指标在简支梁桥损伤识别中的应用

基于模态柔度理论,构造模态柔度差及模态柔度差曲率指标为损伤识别参数.选取简支梁桥为数值模拟算例,对单位置及多位置损伤识别工况的数值模拟分析验证了两个指标的有效性.结果表明：模态柔度差曲率指标更适合于结构的损伤位置识别.     

一种改进模态参数识别方法在结构工程中的应用

提出了一种采用带有间断频率的经验模式分解(EMD)与自然激励法(NEXT)相结合的新的模态时域识别方法,并在理论上证明了该方法的正确性.数值模拟与工程实例识别结果表明,该方法能够准确识别出结构的模态频率和模态阻尼比.