基于新奇检测技术的斜拉索状态评估

探讨了应用基于BP神经网络的新奇检测技术进行斜拉索状态评估的方法.通过对监测系统采集数据分析处理,生成训练神经网络需要的样本数据,按要求训练网络,建立了基于新奇检测技术的多阶段状态评估的神经网络模型,实现了斜拉索状态评估的两个阶段:状态预警、状态异常位置识别.状态异常位置识别采用逐步分区识别的方法,最终将损伤拉索的位置...     

基于LSTM神经网络的桥梁损伤预警方法

为准确把握桥梁服役期内的健康状况,提高损伤评估效率,基于泗安塘大桥主桥某年多个测点的车致应变数据,建立了一种桥梁损伤预警方法。首先使用长短时记忆(LSTM)神经网络建立了车辆荷载作用下桥梁不同测点的多输入相关性模型,之后建立桥梁有限元模型模拟有损工况的桥梁状态,并提出损伤评估指标,最后根据损伤评估指标进行桥梁损伤预警。结果表明：采用LSTM神经网络建立的多输入相关性模型能够实现桥梁任意测点间车致响应的高精度预测;基于有限元模拟的车致应变提出的4个损伤评估指标能对假定的桥梁损伤进行明显识别;对泗安塘大桥主桥进行状态评估,4个损伤评估指标均稳定分布在一定的范围内,表明该桥近期没有增加新的损伤;建立了基于多测点的结构损伤评估指标体系,设定同时刻75%及以上的损伤评估指标超限时发出预警。     

基于小波包能量谱的大跨桥梁结构损伤预警指标

基于结构动力响应的小波包能量谱提出了两种结构损伤预警指标:能量比偏差和能量比方差。以润扬长江大桥北汊斜拉桥为研究对象,分析了损伤预警指标在不同损伤位置、损伤程度和测量噪声水平下的预警能力。研究结果表明:与结构自振频率等模态参数相比,能量比偏差和能量比方差可以明显提高大跨桥梁结构损伤预警的敏感性和有效性,并且具有良好的抗噪声干扰能力。能量比偏差和能量比方差可作为大跨桥梁结构损伤预警系统的损伤预警指标。     

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.     

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。     

钢筋混凝土桥梁检测与损伤评价

分类简述桥梁结构检测与损伤评价的方法体系．分析其存在的主要问题．提出今后的发展重点。     

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。     

混凝土桥梁火灾后损伤检测与技术状况评估

以遭受火灾的某混凝土桥梁为例,介绍该桥火灾后踏勘及结构特殊检测结果。采用表观推定不同构件的过火温度,并结合实测混凝土截面损失,对混凝土及钢筋材料性能折减,计算灾后主梁截面承载能力,进而依据规范对桥梁结构进行技术状况评估,可为同类桥梁火灾后的损伤检测评估工作提供参考。     

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.     

桥梁结构的损伤识别研究

本文针对大型桥梁结构健康监测的特点,总结了桥梁健康监测中的关键性问题,阐述了桥梁结构中所作的研究工作,并分别介绍了桥梁结构损伤检测中的基本方法的,并分析和比较了各方法在实践工程中的应用状况以及前景,并提出了相应的改进方案。     

桥梁结构状态预警系统研究

探讨了桥梁结构状态预警系统。根据桥梁结构损伤的特点,将预警系统分为两个体系:局部预警体系和整体预警体系。局部预警体系采用无模型预警体系,整体预警采用基于神经网络的新奇检测技术。通过将两者相结合,提高了预警的及时性和准确性。     

基于斜拉索张力测定的斜拉桥健康诊断

应用试验校正的高精度三维有限元模型,对斜拉桥主梁结构损伤位置识别的斜拉索张力指标进行了研究。模拟12种可能的损伤情况,研究了基于斜拉索局部模态基频构造索张力指标的方法,索张力指标对各损伤情况下损伤位置的识别效果和对损伤程度的敏感性。结果表明,用斜拉索局部模态基频所构造的张力指标对不同的损伤程度呈现较好的稳定性和灵敏性,对模拟的12种损伤情况的正确识别率可达75%。该方法的突出优点是只需测量斜拉索局部振动模态的基频,就能获得较好的损伤识别效果,比其他面向损伤检测的测量容易得多。该方法可十分方便地推广应用于悬索桥加劲梁结构的损伤定位,具有较高的实用价值。     

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...     

桥梁预警系统异构数据库分布式引擎模块设计

针对桥梁预警系统群体间协同工作对信息共享的需求,从群体协同工作与面向应用的集成角度对桥梁预警系统异构数据库的集成方式进行了研究。提出了包含用户界面、异构集成模块和存储层三部分的桥梁预警系统异构数据库集成模式。该异构数据库集成模型由桥梁结构表征方法,命令解析模块和数据综合模块组成。在异构数据集成的基础上,实现了预警系统群体间的信息共享,为群体协同工作提供了技术支撑。最后通过模拟管理群体向预警系统提出获取桥梁抗震评估请求对异构集成模块的可实现性进行了验证。