基于柔度曲率矩阵的曲面板结构损伤识别方法

为了对船体中曲面板结构的损伤部位准确地进行损伤识别分析,提出了一种基于柔度曲率矩阵的曲面板结构损伤识别方法并进行了仿真分析.按照Kirchhoff薄板假定对板结构进行单元划分,以结构的响应重建柔度矩阵,并通过类曲率半径方法对柔度值的变化进行放大进而得到柔度曲率矩阵.算例分析表明,该方法损伤定位准确并且具有较高的灵敏度,避免了使用原未损结构的模态参数,所需损伤结构的模态少甚至只需一阶模态信息就可有效地进行损伤识别分析.     

时频分析及其应用

介绍了时频变换和小波变换,利用三级小波包分解,获取信号能量分布的特征向量,根据信号能量分布的特征向量相关系数,确定两种信号相关程度,给出了识别不同信号的识别方法.试验表明本方法在车辆噪声、振动源识别应用方面比传统的分析方法更为简单、有效,为车辆振动和噪声控制的研究提供了新的测试手段.     

基于灵敏度的结构损伤识别方法

提出了一种基于灵敏度的结构损伤识别方法,该方法仅利用结构损伤前后的前三阶模态参数来确定结构的损伤定位因子和损伤程度评估因子,实现对结构损伤的识别。本文用三维五层框架结构有限元模型数值模拟了四种典型的损伤工况,损伤识别结果表明,应用本文所提的损伤定位因子可准确的对损伤构件实现损伤定位,相应得出的损伤程度评估结果也与模拟的损伤工况较吻合。该方法不需要归一化的振型,仅利用结构基准模型和损伤实测的低阶模态即可,简便易行,具有一定的应用价值。     

一种多工况的滚动轴承损伤状态识别方法

针对多工况条件下的滚动轴承损伤状态识别问题,本文提出基于CEEMD能量熵和阶次跟踪的损伤识别方法。将振动信号经CEEMD分解为系列的IMF分量,选取其中包含滚动轴承特征频率的IMF分量,运用改进的希尔伯特变换求得IMF分量的边际谱,并利用阶次跟踪方法消除不同转速对损伤状态的影响,同时采用能量熵加强对各损伤状态的识别能力。最后使用特征阶次幅值和能量熵构建诊断特征向量,采用遗传算法优化的支持向量机对损伤状态进行识别。试验结果表明,基于能量熵和阶次跟踪的损伤识别方法精度较高,是一种有前途并且非常有效的多工况损伤状态识别方法。     

船舶失控撞击高桩码头结构的数值仿真分析

以5万吨级散货船在失控状态下以1 ms的速度垂直撞击某高桩码头为例,运用有限元软件模拟该撞击的过程,得到对应撞击的能量转化情况以及船舶撞击作用力的时程曲线,并将撞击力仿真计算结果与各类船桥碰撞规范撞击力计算结果进行比较。同时,通过对撞击后码头结构破坏情况进行分析,提出防止码头结构由于船舶失控撞击而破坏的措施,为同类码头的设计、维护及改造提供理论依据。     

时频分析及其应用

介绍了时频变换和小波变换，利用三级小波包分解，获取信号能量分布的特征向量，根据信号能量分布的特征向量相关系数，确定两种信号相关程度，给出了识别不同信号的识别方法。试验表明：本方法在车辆噪声、振动源识别应用方面比传统的分析方法更为简单、有效，为车辆振动和噪声控制的研究提供了新的测试手段。     

船舶结构动载试验的基于参考测点随机子空间法

文章提出了基于参考点的随机子空间船舶模态参数识别方法.该方法直接根据环境激励下测得的输出响应来构建Hankel矩阵,并通过QR分解技术对数据进行精简,再对投影矩阵进行奇异值分解(SVD)来剔除噪声,最后识别出结构的模态参数.它不受FFT(傅立叶变换)的影响,识别速度快,精度高.对于需快速识别船舶结构的模态参数,检测其可能存在的损伤,建立起预警及适时维修机制提供了有效手段.     

一种基于共轭梯度法的动态载荷识别方法

在载荷识别过程中,由于噪声和结构矩阵病态的问题,对测量的响应数据有影响.本文运用共轭梯度法最优化方法,来解决多源动态载荷识别中的不适定问题.将该方法应用在加筋板模型和平面桁架结构上进行数值仿真,仿真算例结果表明所提出的载荷识别方法在测量位移响应数据含有5％的噪声水平下,有效地得到稳定近似解,实现了载荷识别.该方法抗噪能力强,有效解决反问题的不适定性.     

两种风荷载模拟方法下的邮轮系泊撞击能量试验研究

以22.5万t邮轮为例,分别进行单风、单浪和风浪共同作用下的系泊撞击能量试验,研究在风机法和挂重法两种不同的风荷载模拟方法下单风、单浪和风浪共同作用时对邮轮撞击能量的影响.试验结果表明:在风浪共同作用时,运用风机法时的系泊撞击能量比挂重法的大17.4％;另外,风浪共同作用时,风荷载对邮轮系泊撞击能量的影响较大,风浪共同作用时的撞击能量远大于单浪作用时的撞击能量.     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.