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。     

平均曲率模态法识别桥梁损伤可行性试验研究

设计了一个两跨连续梁实体桥梁模型。通过设定的2种不同损伤工况,采取车辆激励、锤击激励和环境激励3种激励方式模拟工程环境及传感器稀疏布置和加密布置两种形式,共进行了18种方案试验。分别采集加速度时程响应,进行了这些试验方案的模态分析;用平均曲率模态法对模型进行损伤识别,研究这种方法识别桥梁损伤的实用可靠性。试验分析结果表明:在试验工程环境下,平均曲率模态方法是识别桥梁损伤的一种可行方法,传感器的布置方式决定着损伤识别的有效性。     

基于曲率模态振型进行梁式桥损伤识别研究

以刚架桥为具体研究对象,根据曲率模态振型,对刚架桥的损伤识别进行数值仿真研究。利用刚架桥损伤前后的曲率模态振型变化对刚架桥的损伤进行定位识别,探讨曲率模态振型用于刚架桥在不同损伤情况,以及不同损伤程度下的损伤识别诊断能力。数值仿真结果表明,曲率模态振型是梁式桥结构损伤识别的敏感标示量,可以对刚架桥的损伤进行识别。     

基于模态曲率法的木框架结构损伤识别

通过ANSYS有限元软件得到结构位移模态分析数据,对于木框架结构在不同损伤工况下进行了模态曲率分析,研究表明模态曲率指标对于木框架的损伤比较敏感,能准确判断木框架损伤发生的具体位置,为研究木建筑结构的损伤识别奠定了理论基础。     

径向基网络在简支梁损伤识别中的应用

对简支梁进行了损伤分析,研究了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了损伤识别研究,研究中采用了三种方案:仅利用频率变化率;仅用第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.结果表明,基于动力参数和径向基神经网络的结构损伤识别方法能够准确地识别结构的损伤程度,神经网络...     

基于曲率模态的连续刚构桥损伤识别研究

损伤识别是大型桥梁综合监测系统的重要任务之一.从曲率模态的损伤识别方法入手,研究了曲率模态损伤指标.对某一连续刚构桥进行数值仿真分析,分别通过曲率模态差和曲率模态比进行了损伤位置和损伤程度的识别,识别效果较好.     

基于位移模态四阶导数的梁结构损伤识别

结构损伤识别一直是工程界关注的热点问题,针对混凝土梁结构的动力损伤识别,提出了利用位移模态的4阶导数进行损伤识别的新方法。通过有限元建模和分析,对钢筋混凝土梁进行损伤识别和算例仿真,从而验证这种方法的敏感性和可行性。研究结果和分析算例表明：利用位移模态4阶导数分析,对结构单处损伤、多处损伤以及对不同的损伤程度都能有效识别,而且不需要结构损伤前的模态参数,显示了该指标检测损伤的优越性和有效性。     

应变模态法在桥梁损伤识别中的应用

基于应变对局部损伤的敏感特性,引入应变模态法,通过比较完好桥梁和损伤桥梁的应变模态变化,即可判断桥梁损伤的位置和程度。首先在理论上给出了应变与振动模态之间的详细表达式;然后基于大型通用商用有限元软件ANSYS,对金属模型桥梁进行数值仿真模拟以及识别试验、数据分析;最后,应用应变模态法对厦门市石鼓山立交桥进行现场损伤识别,得到了该桥梁的服役状态,为桥梁质量评估和维护提供了可靠的依据。     

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。     

基于神经网络技术的斜拉桥损伤分步识别方法

结合神经网络技术进行了斜拉桥损伤分步识别的系统性研究,提出了具体的斜拉桥损伤分步识别过程,给出了每一识别步骤中适当的损伤识别参数.可实现斜拉桥主要构件即拉索和主梁中损伤的有效识别.采用概率神经网络确定损伤构件的类型,采用径向基函数(RBF)网络实现损伤的定位定量分析.针对润扬大桥斜拉桥的损伤模拟分析表明:将测试数据进行平均计算可以大大降低噪声对于概率神经网络识别结果的影响;噪声水平对2个径向基函数网络的损伤位置和损伤程度的识别能力方面的影响较小.采用不同的神经网络分阶段实现大跨斜拉桥的损伤识别,不仅提高了损伤识别的效率和准确性,而且增强了损伤识别方法在实际结构中应用的可行性.     

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。     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

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BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。