基于Levenberg-Marquardt算法的桥梁结构静力参数识别

为了提高桥梁结构状态评估中结构参数识别的精度和稳定性, 克服Gauss-Newton法不能有效地处理奇异和非正定矩阵以及对初始点要求苛刻的缺点, 利用Levenberg-Marquardt法, 通过在Gauss-Newton法的迭代矩阵中添加阻尼项, 对迭代矩阵加以修正, 通过Matlab自编程序实现对实际结构参数的优化求解。对一连续梁的数值模拟计算表明, 在Gauss-Newton法迭代发散的情况下, Levenberg-Marquardt法的识别结果相对误差在10%左右, Levenberg-Marquardt法基本能实现对真实结构参数的识别, 为结构进一步的状态评估提供了结构模型最基本的量化信息。     

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。     

基于工作模态参数辨识的水下复杂结构模态分析方法

针对传统实验方法很难对水下复杂结构进行模态分析,提出了工作模态参数辨识与有限元计算相结合的模态分析方法.对工作状态下的测点振动响应信号进行EMD分解,用时域峰值序列法进行模态参数辨识,辨识出的模态参数与计算模态结果进行匹配,以指导修正有限元模型,计算得到完整的模态参数.为解决EMD分解出现的模态混叠,提出先对信号进行小波包分解预处理的 方法.双层加肋圆柱壳体模型水下振动试验研究结果表明,该方法现实可行,能有效辨识出比较完整的模态参数.     

基于IEEMD和ARMA算法的斜拉桥模态参数识别

提出了一种基于IEEMD分解的ARMA改进识别算法。首先对实测加速度信号进行IEEMD分析,之后利用聚类分析检验所得的本征模态函数(IMFs)中是否存在模态混叠;然后采用模糊综合评价法计算每个IMF与实测信号之间的模糊相似系数,以便选出有效的IMF分量;再利用主成分分析和帕累托图法对保留下来的IMFs进行信号的重构,进而达到对实测信号的有效分解和降噪效果;最后将重构的动力信号作为ARMA算法的输入,进行模态参数识别。通过对比分析每阶频率与实际值的误差百分比,可知利用IEEMD处理之后的振动信号作为ARMA算法的输入能得到与真实值最为接近频率值,且误差的百分比都在3%以下,验证了该识别方法能有效的识别到斜拉桥的频率。     

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.     

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。     

桥梁结构损伤识别的曲率模态技术

介绍了桥梁结构健康监测的一些实际应用，阐述了结构损伤识别的现状，并对有关损伤诊断的一些方法进行了评价．重点论述了曲率模态分析的基本理论，探讨了曲率模态在结构损伤检测中的应用，最后讨论了在实际结构损伤识别中应注意的若干问题．     

识别桥梁模态参数时域法的仿真研究

根据土木结构环境振动的特点和ＩＴＤ法及随机减量技术的优点，建议用ＩＴＤ法或随机减量技术结合ＩＴＤ法由结构环境振动响应数据识别其模态参数，并用计算机仿真技术，讨论了使用ＩＴＤ法和随机减量技术时应注意的一些问题，对桥墩和一些斜拉桥进行了仿真识别，结果表明，用这种方法由土木结构的环境振动响应识别其模态参数是可行的，并具有测试方便，数据处理简单，精度较高，识别结果较多的优点。     

起重机臂架结构试验模态参数识别

以门座起重机组合臂架系统为研究对象，用试验模态分析方法对臂架结构进行了测试分析，提出设计起重机时应注意：１）臂结构的振动能量般集中在前３阶模态内；２）臂架结构共振时其拎点处的振幅最大。     

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。     

基于应变模态的桥梁损伤识别模拟分析

着重研究基于应变模态的损伤识别法,分析了简支梁损伤特征,并针对一般损伤研究常以简单模型为对象的情况,将研究对象实际化,以实桥为基础建立有限元模型,取代以往研究中使用的等直梁,并用裂缝模型取代刚度下降模型以模拟实际裂缝,其计算结果可为实桥模态测量和分析提供参考.     

基于多参数特征的OFDM信号盲识别

为区分多载波调制OFDM(正交频分复用)信号和数字单载波调制信号,提出了Rayleigh衰落信道条件下一种多载波调制盲识别算法.该算法对传统算法进行了改进,用信号的高阶累积量和信号的三角矩构造的特征参数对单载波信号和多载波OFDM信号进行分类,无需预先知道信号的载波频率和波特率,只需直接对中频信号进行识别处理.仿真结果表明,提出的算法抗多径能力强,识别率高,信噪比大于0 dB时识别率可达100%.     

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。     

基于模态参数的桥梁状态快速测试与分析

结构模态参数的测试与评定是工程结构检测的重要组成部分,对桥梁静力、动力评定指标进行了探讨,通过对20余座桥梁动、静载试验结果数据样本的分析,验证了动力刚度与静力刚度指标的一致性,采用模态参数可以进行桥梁结构状态的快速测试与分析。     

基于复Morlet小波变换的车体模态参数识别

详细推导了基于复Morlet小波变换的车体模态参数识别过程.对国内某高速动车组纯车体进行多点激励正弦扫频,利用随机减量法对车体振动响应信号进行随机减量处理,获取自由振动信号,首次运用小波理论对高速动车进行模态参数识别.同时也运用最小二乘法识别各阶振型.识别结果与商用软件Test.Lab对比,频率误差小于2％,说明小波分析适合用于高速车体这样复杂系统的参数识别.     

基于模态4阶导数的结构损伤识别

基于结构损伤引起动力特性变化的原理,提出了一种新的损伤识别定位方法：利用结构位移模态的4阶导数进行损伤判别。文章首先论述了基于结构位移模态4阶导数进行损伤判别的基本原理,然后建立了一个钢筋混凝土曲梁的有限元模型,用数值模拟的方法对该损伤判别方法进行了验证。验证的结果表明：位移模态的4阶导数对单一损伤、支座处损伤以及多处损伤都能进行有效识别,其识别效果要明显优于曲率模态法和曲率模态差方法,且无需结构的基线模型。     

基于高阶Prony方法的包装系统模态参数识别

包装系统可看作是多自由度系统,将该系统的暂态响应信号用Prony方法进行拟合,可求出系统各模态参数.介绍了确定系统阶数的方法,并且利用高阶Prony模型和时反信号可在噪声中准确求出各模态参数.模拟结果表明,本方法具有良好的稳健性,可用于识别包装系统的阶数和各模态参数.     

基于模态分析法的结构动载荷识别研究

分析了基于模态分析法的动载荷识别时域方法,应用薄板实例进行了验证,结果表明该方法具有较高精度,并对该方法在转向架结构应用中的一些问题进行了探讨。     

基于静力测试数据的桥梁结构损伤识别

1前言 传统的工程结构可靠性是通过合理的设计、正确的施工来保证的，其前提是结构建成后的实际性态与设计的预定性态一致。然而，工程结构的实际性态：将随结构的使用而改变。导致这种变化的因素有：（1）受灾损伤。地震、强风、火灾等均会使工程结构遭到一定程度的损坏。从而造成结构物的原有结构性态发生改变。（2）老化。老化将造成结构的强度降低、刚度退化，这也可认为是结构的一种损伤。     

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。