带表面裂纹连续梁损伤识别的曲率模态小波分析

以带横向非对称非贯通表面裂纹的连续梁为研究对象,利用小波奇异性检测原理,提出了带表面裂纹连续梁损伤识别小波分析方法.以带表面裂纹连续梁三维有限元分析求解梁的位移模态为基础,利用中心差分法得到梁的曲率模态,再用sym4小波对曲率模态进行连续小波变换,根据小波系数模极大值识别损伤位置,以一个三跨连续梁内两处半椭圆形表面裂纹的损伤识别为例,通过数值计算分析,验证了方法的有效性.同时,计算结果表明,运用曲率模态小波变换识别连续梁损伤比基本振型的小波变换方法更为准确、有效.该研究对带表面裂纹结构的损伤诊断应用具有参考价值.     

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。     

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.     

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。     

基于混沌粒子群随机子空间的桥梁多点损伤识别

受复杂荷载与不利环境影响,桥梁结构服役性能日趋退化。结构模态参数是结构整体力学性态的特征指标,通过敏感模态参数可对结构服役状态进行判识。针对传统模态识别存在虚假模态,易遗漏真实模态,且计算效率较低的不足,采用混沌局部搜索对粒子群算法进行改进,优化加速度信号加窗截断位置和大小,结合协方差随机子空间法对各子信号进行模态识别;构建基于比例柔度矩阵和均布荷载曲率的损伤识别模型,通过挠度曲率相对变化判断结构损伤位置和程度;并通过开展斜拉桥缩尺模型损伤识别试验,对本方法的有效性进行验证。研究结果表明：混沌粒子群随机子空间方法具有较好的模态识别精度,可实现斜拉桥拉索、主梁等典型损伤准确定量和定位识别;结构跨中位置发生损伤对结构性能影响更大,实际工程中应提高跨中区域主梁和拉索的承载力储备以提升结构安全性。     

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。     

曲率模态和柔度曲率对损伤的敏感性研究

以简支梁的损伤识别为例,用有限元方法进行建模和计算,比较分析了曲率模态和柔度曲率对结构损伤识别的敏感性.当梁发生损伤的类型不同时,损伤部位对未损伤部位的影响以及各处损伤部位间的相互影响不同,导致曲率模态或柔度曲率对损伤的敏感性有时会下降,单独用一种方法不能准确地识别结构的损伤,应综合运用两种方法对损伤进行识别;而且这两种方法能互相补其不足,可以更有效的对结构的损伤进行识别.     

既有多梁式桥梁的损伤识别

讨论了利用量测的柔度矩阵定位损伤的方法。分别选用模态柔度和模态柔度曲率两种方法对多梁式T型梁桥的损伤识别进行研究;并定性分析了测试噪声对损伤识别结果的影响。为反映实际多梁式桥梁的损伤识别情况,采用符合实际多梁式桥梁结构构形的计算模型模拟结构损伤。通过一个简支多梁式T梁桥的数值试验验证了所提方法的可行性。结果表明在量测模态与频率数不多的情况下,所讨论的方法可用于识别多梁式桥梁的损伤。     

既有多梁式桥梁的损伤识别

讨论了利用量测的柔度矩阵定位损伤的方法。分别选用模态柔度和模态柔度曲率两种方法对多梁式T型梁桥的损伤识别进行研究;并定性分析了测试噪声对损伤识别结果的影响。为反映实际多梁式桥梁的损伤识别情况,采用符合实际多梁式桥梁结构构形的计算模型模拟结构损伤。通过一个简支多梁式T梁桥的数值试验验证了所提方法的可行性。结果表明在量测模态与频率数不多的情况下,所讨论的方法可用于识别多梁式桥梁的损伤。     

基于高斯曲率模态差的T梁结构二维损伤识别研究

曲率模态是识别损伤的敏感指标,基于曲率模态的损伤识别研究大多局限于一维结构。为将曲率模态的损伤识别方法推广到二维结构,提出了基于高斯曲率模态的损伤识别方法,综合考虑二维结构的加速度振型曲面在纵向和横向上的弯曲程度,通过计算结构损伤前后加速度振型的高斯曲率差来判断结构损伤的位置。T梁组合结构的模态试验及试验分析结果验证了该方法的可行性。     

基于实验模态的结构应变模态分析

从位移模态出发详细推导了应变模态的表达式;以悬臂梁模型为例,进行了位移模态与应变模态实验分析,并与有限元计算结果进行比较,验证了三者识别的模态参数基本致,而且应变模态分析方法可以确定结构应变最大点和共振疲劳危险点。     

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．     

AR模型功率谱改进的频域模态自动识别方法

针对频域分解法在模态自动识别上的不足,提出了一种基于AR模型功率谱改进的频域模态自动识别方法——AR-AFDD法。首先,通过AR模型功率谱估计确定所有可能是物理模态的频率点,并对相应功率谱矩阵进行奇异值分解,然后,利用时间振型相关性对所选取的峰值进行判别,实现物理模态与噪声模态的自动区分,最后,以自功率谱的最优拟合完成阻尼比估计;采用试验模型和实际桥梁对AR-AFDD法进行验证。研究表明：AR-AFDD法能够快速有效地实现结构模态参数的自动识别,识别结果能够区分物理模态与噪声模态,在实际结构的健康监测数据分析中具有良好的可靠性。     

基于多模态的神经网络的结构损伤识别方法的研究

采用曲率模态和柔度曲率组合成多模态参数,针对连续梁结构在有限元模型基础上对结构进行了损伤识别研究．结果表明,以此多模态参数作为网络输入参数,并通过学习训练所得网络不仅可以准确地对结构损伤进行定位,而且对损伤的定量也取得了比较理想的效果,表明此网络还具备良好的容错性和鲁棒性．     

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。     

基于模态应变能变异指标的斜拉桥模型损伤识别研究

基于动力测试采用模态应变能变化率方法对一座独塔斜拉桥模型进行了损伤识别实用性研究,识别过程基于动力模态分析,激励方式包括车辆激励、环境激励和冲击激励.从识别得到的各阶试验模态的模态应变能变异指标的计算结果可知:在合适的激励条件下,模态应变能指标可以识别梁式结构主梁的损伤位置和大小关系;激励的充分条件会影响模态应变能指标的识别效果,冲击激励产生的激励较充分,因而损伤识别的效果最好;各阶试验模态包含的损伤信息完备程度不同,建议综合多阶模态应变能变异指标的计算结果进行损伤识别.     

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。     

桥梁损伤检测中曲率模态分析研究

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,并举例证明了曲率模态方法具有良好的准确性,灵敏性.     

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.     

桥梁损伤检测中曲率模态分析研究

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，并举例证明了曲率模态方法具有良好的准确性，灵敏性．