基于自训练半监督神经网络的结构损伤识别

为解决结构损伤识别中标签样本不足的问题,提出一种基于自训练半监督神经网络(self-training semi-supervised neural networks,SSNN)的结构损伤识别框架,该框架利用自训练半监督方法对多层感知机(multilayer perceptron,MLP)神经网络进行训练,从无标签样本中挑选置信度高的样本标注伪标签,扩大样本训练集,并采用归一化频率变化率和损伤特征指数作为输入特征,用于识别结构损伤。首先,介绍自训练半监督学习的基本理论和方法;其次,从神经网络构建、损伤特征提取、分类器评估等方面,给出结构损伤识别流程;最后,通过空间桁架的数值案例及3层框架的试验数据,验证所提出的损伤识别方法。结果表明:自训练半监督学习能够从无标签样本中选取置信度较高的样本,为损伤识别提供更充足的有标签样本;在标记样本不足的条件下,SSNN比MLP神经网络的损伤识别效果更好;相较于MLP神经网络,SSNN在单一位置损伤工况下,识别准确率提升约4%,2个位置损伤识别准确率提升约9%。

塔式起重机结构损伤诊断方法研究

塔式起重机是建筑领域非常重要的起重机械,一旦出现损伤极有可能产生较严重的安全事故,做好塔式起重机结构损伤诊断工作具有重要意义。结合多年工作实践,以塔式起重机结构损伤形式为切入点,分析当前结构损伤诊断存在的问题,提出基于域自适应法的塔式起重机结构损伤模型,以此实现智能化、网络化的损伤诊断目的,及时发现损伤,消除安全隐患。

基于多标签卷积神经网络的结构损伤识别

准确识别结构多位置损伤一直是结构损伤识别的难题。为提升结构多位置损伤识别的准确率,提出一种基于卷积神经网络(CNN)的多标签分类(MLC)方法(CNN-MLC)进行结构损伤识别。该方法将结构多个位置损伤识别转换为多标签分类问题,每个损伤位置均用一个对应的标签表示;利用CNN强大的特征提取能力,深入挖掘不同损伤工况之间公共损伤位置的相关性,实现结构多位置损伤识别。通过四层框架结构和一座铁路连续梁桥多位置损伤识别验证了CNN-MLC方法的识别准确率,并将其识别结果与基于CNN的多类别分类(MCC)方法(CNN-MCC)和基于示例差异化算法(InsDif)的多标签分类方法(InsDif-MLC)进行了对比。结果表明:框架结构在两位置和三位置损伤工况下,CNN-MLC方法比CNN-MCC方法的识别准确率分别提升2.50%和9.64%,比InsDif-MLC方法识别准确率提升17.50%和29.28%;对于铁路连续梁桥的两位置损伤和三位置损伤,CNN-MLC方法比CNN-MCC方法识别准确率提升1.63%和6.85%,比InsDif-MLC方法识别准确率提升4.18%和18.49%;随着损伤位置数量的增加,CNN-MLC方法的识别准确率显著提升。

基于动力响应的近海结构损伤非典型参数识别方法研究综述

近海结构服役环境恶劣,长期受到风浪流等复杂荷载作用,关键结构部件易受损,对其进行局部、早期损伤识别与定位有重要意义。由于动力信号采集技术的发展、损伤监测实时性的要求,基于动力响应的损伤识别方法已成为研究热点。目前对于结构损伤识别有两种不同的思路:基于模态及其衍生的动力指纹的参数化损伤识别方法以及利用时间序列特征、信号能量相关性等非典型参数方法。由于近海结构外部激励的复杂性,非典型参数方法逐渐成为动力响应损伤识别中最具应用前景的方法,文章对现有基于非典型参数方法的近海结构损伤识别体系进行系统梳理,比较了各种方法的优缺点,总结了目前非典型参数损伤识别方法面临的挑战,展望动力响应损伤识别的发展前景,为动力响应损伤识别在实际工程的应用提供参考。

基于多分类器协同训练的结构损伤识别

文中提出一种基于多分类器协同训练(multi-classifiers co-training,MCCT)的结构损伤识别框架.该框架结合多层感知机(multilayer perceptron,MLP)和支持向量机(support vector machine,SVM)进行协同训练,从无标签样本中挑选置信度高的样本标注伪标签,扩大样本训练集,并采用加速度响应的功率谱密度(PSD)作为输入特征,用于识别结构损伤.结果表明:协同训练方法能够从无标签样本中选取置信度较高的样本,为损伤识别提供更充足有标签样本.相较于MLP和SVM,该方法在多种工况下,损伤识别准确率分别提升约4.7%和6.3%.

基于混合PSO算法和损伤概率均值的两阶段梁式结构损伤识别

受算法随机参数和测量噪声等因素的影响,基于群智能算法的结构损伤识别法容易出现单次识别误差大和多次识别波动大的问题。针对该问题,本文基于混合PSO算法和损伤概率均值提出一种两阶段梁式结构损伤识别方法。定义了包括单元容许损伤值αcr和临界概率pc的损伤有效原则,以计算损伤概率均值。第一阶段,对混合PSO算法的多次识别结果分批计算一阶段损伤概率均值,第二阶段,在此基础计算两阶段损伤概率均值。本文方法能够有效地提高高噪声水平影响下的结构损伤识别精度。简支梁和两跨连续梁的损伤工况试验研究表明,该算法能够有效地应用于不同结构和不同工况的结构损伤识别,在减少损伤误判的同时保证损伤单元的识别精度。

基于小波包分解和优化BP神经网络的桥梁结构损伤识别试验研究

针对单一损伤指标对桥梁损伤识别研究的局限性,根据小波包变换基本原理和神经网络原理,构造小波包能量相对变化率(RES)作为损伤识别指标并建立优化反向传播(back propagation,BP)神经网络模型,提出基于小波包分析和优化BP神经网络的桥梁结构损伤位置和损伤程度识别方法,并对该方法进行试验验证,探讨了信号噪音和车速等因素对试验结果的影响。结果表明,以多个损伤工况作为遗传算法优化反向传播(genetic algorithm-back propagation,GA-BP)和遗传算法和模拟退火优化反向传播(genetic algorithm and simulated annealing-back propagation,GASA-BP)神经网络的训练集,两种神经网络模型在数值模拟工况和试验工况中均展现出了良好的识别能力,在数值模拟工况下,GASA-BP相较于GA-BP神经网络的最大平均误差提高了92.61%;在试验工况下,GASA-BP相较于GA-BP神经网络的最大平均误差提高了67.66%,由此可见GASA-BP神经网络具有更好的识别精度和较好的鲁棒性。该方法仅需少量的传感器即可对桥梁结构损伤位置实现精准定位。

基于改进灰狼优化算法的结构损伤识别

结合模态柔度矩阵、广义模态柔度矩阵和振型三个识别精度较好的指标,构造新的目标函数求解损伤识别问题。通过Nelson方法求解得到的频率与振型的导数,得到对结构刚度发生变化时更具敏感性的位置,然后在这些位置布置传感器以提取结构信息。针对原有的灰狼算法虽然全局搜索能力强,但是存在局部搜索精度差的问题,本文从初始种群和收敛因子等方面着手,改善灰狼算法的局部搜索能力及收敛速度。最后利用提出的方法,通过识别梁模型及桁架模型中的损伤单元说明本文方法的有效性。

基于增强内积矩阵的PMI泡沫夹层结构损伤检测

聚甲基丙烯酰亚胺(polymethacrylimide,PMI)泡沫夹层复合材料结构因其独特的力学性能而广泛应用于航空航天领域,如何快速、准确、低成本地检测面板与芯材的脱粘损伤对结构安全使用具有重大意义,然而传统的基于超声波的无损检测技术由于PMI泡沫的吸声特性难以有效地检测到此类结构的脱粘损伤,该文探索基于振动响应测试的方法在PMI泡沫夹层结构损伤检测中的可行性及有效性。以振动时域响应相关性分析建立的结构损伤特征——内积矩阵(inner product matrix,IPM)为基础,通过将不同激励点下计算得到的IPM进行堆叠,提出了增强内积矩阵(enhanced inner product matrix,EIPM)的概念,并以EIPM为卷积神经网络(convolutional neural network,CNN)的输入、PMI泡沫夹层结构的损伤状态为输出,建立了基于EIPM及CNN的结构损伤检测方法。PMI泡沫夹层悬臂梁结构的脱粘损伤检测仿真算例及实验验证结果表明,所提方法在3个及以上测点时的平均识别准确率均在99%以上,且与基于IPM的方法相比,EIPM方法具有更好的收敛速度和稳定性。

舱室内爆下舰船结构损伤的一种计算方法

为了评估舱室内爆多载荷耦合作用下舰船结构的损伤范围,设计了大尺度舱段模型,并开展了舱室内爆毁伤试验,试验后测量了舱室结构的破坏范围及破坏模式,分析了舱室内爆多载荷耦合作用下舰船结构的损伤机理,据此建立了舱室内爆下舰船结构损伤的计算方法。结果表明:(1)舱室内爆下形成的强冲击波载荷和准静态压力载荷可对舰船结构造成大范围的损伤,形成多种破坏模式;(2)舱室内爆下准静态压力载荷是舱室结构损伤破坏的主要毁伤元;(3)建立的舱室内爆载荷下结构损伤变形计算方法可同时考虑强冲击载荷和准静态压力载荷对结构的损伤破坏,理论计算结果与试验结果吻合较好。

某型飞机复合材料结构损伤分布规律

针对飞机复合材料结构的损伤和修理问题,对某型固定翼飞机机翼、机身等部位的复合材料结构应用和损伤情况进行统计,复合材料在该型飞机的主要应用形式主要有实心整体壁板和夹芯层合板2种,建立随时间变化的结构损伤分布模型,利用统计方法对损伤分布进行拟合和检验。结果表明:结构损伤的数量比例分别为蒙皮分层占75%、长桁分层约占20%、长桁脱黏约占4%;对数正态分布、Weibull分布、Γ分布均可以拟合这3种类型损伤的几何参数分布,其中对数正态分布模型的拟合效果最好;单架飞机的损伤几何参数分布规律不随时间变化,同型号飞机之间的损伤几何参数分布规律也高度相似,可采用统一的函数形式描述。

强直性脊柱炎脊柱结构损伤肾虚瘀阻证和湿热瘀阻证临床特征分析及判别模型构建

目的探讨强直性脊柱炎(AS)脊柱结构损伤肾虚瘀阻证和湿热瘀阻证的临床特征,分析影响因素并构建判别模型,为临床诊治提供依据。方法选取2023年6月至2024年6月于中国中医科学院广安门医院风湿病科和北京大学第一医院脊柱外科住院及门诊就诊的232例AS严重脊柱结构损伤患者,最终纳入208例,肾虚瘀阻证124例,湿热瘀阻证84例。分析肾虚瘀阻证和湿热瘀阻证的临床特征,采用logistic回归构建列线图判别模型,采用受试者操作特征(ROC)曲线、校准曲线、临床决策曲线和混淆矩阵评估模型效能。结果湿热瘀阻证与肾虚瘀阻证吸烟史比较,差异有统计学意义(P<0.05)。湿热瘀阻证与肾虚瘀阻证AS疾病活动度评分-C反应蛋白(CRP)评分、Bath强直性脊柱炎功能指数(BASFI)评分、国际脊柱关节炎评估协会(ASAS)HI评分、抑郁评分、焦虑评分、压力评分、夜间痛视觉模拟评分法评分、患者整体评估评分、CRP水平、红细胞沉降率比较,差异有统计学意义(P<0.05)。多因素分析显示,BASFI评分、ASAS HI评分和CRP是判别脊柱结构损伤肾虚瘀阻证的影响因素(P<0.05)。模型效能评估显示,ROC曲线下面积为0.98(95%CI:0.97~1.00),校准曲线接近理想曲线,临床决策曲线表现良好,模型准确度、灵敏度、特异度、阳性判别值和阴性判别值均>0.90,说明模型效能良好。结论AS严重脊柱结构损伤湿热瘀阻证患者存在高疾病活动状态、脊柱活动度和身体功能差、更易患不良心理状况、整体评估欠佳;开发了一种可通过临床特征判别AS严重脊柱结构损伤肾虚瘀阻证的列线图模型,BASFI评分、ASAS HI评分和CRP是判别因素。

基于IDA的输电塔地震动强度指标与结构损伤指标研究

以输电塔为研究对象,利用20条典型地震动时程,分别采用10个地震动强度指标(intensity measure,IM)和4个结构损伤指标(damage measure,DM)对输电塔进行增量动力分析(incremental dynamic analysis,IDA)。通过双对数线性回归建立了地震动强度指标与输电塔损伤指标的无量纲化关联模型,并对不同强度指标和损伤指标组合下关联模型的有效性、实用性和效益性进行了综合评价。结果表明:针对输电塔结构,选取有效峰值加速度(effective peak acceleration,EPA)作为IM和节间位移角(inter-story drift ration,ISDR)作为DM进行组合时,具有较好的稳定性和较高的相关性;基于输电塔结构第一阶、第二阶反应谱的Sa_(avg)^(*)在指标关联性评价中的优势与EPA、Sa(T_(1))类似,而Sv*avg指标与有效峰值速度(effective peak velocity,EPV)、第一周期谱速度(Sv(T_(1)))指标相比,增强了与DM之间的关联性;构造的E(ad)作为结构总持时内的地震动能量输入指标与所有IM指标组合时,并不受输电塔对加速度型IM更敏感从而导致加速度型IM与DM组合时关联性更强的影响。研究结果可以为进一步提高输电塔结构抗震性能评价精度提供参考和借鉴。

三轴条件下软土的微观结构损伤特征

开展应力控制式三轴固结不排水剪切试验和场发射电镜扫描试验,研究天然软土的宏微观的受力全过程变化特征,揭示天然软土在剪切过程中微观结构的变化。结果表明,土体的微观结构在受力过程中不断地发生损伤,大中孔隙的数目增多,孔隙和土粒的分布更加松散,因此软土的微观损伤是土粒和孔隙分布变化的综合反映。孔隙和土粒的分布分维数等参数与剪应力比呈非线性关系,具有明显的拐点,拐点后孔隙和土粒的分布分维数明显地增大。剪切带附近大中孔隙多于带外,孔隙与土粒的分布分维数大,但是破坏时各位置的分布维数值接近一个临界值。在剪应力比为1.22时,孔隙的临界值约为1.70,土粒的临界值约为1.92。

基于CNN-GRU并联网络的海上风电支撑结构损伤识别

利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU)神经网络并联网络的结构损伤识别新方法。首先,对响应信号进行广义S变换(generalized S-transform,GST)得到其时频图像。然后,分别利用CNN和GRU从时频图像和响应信号中提取时频域特征和时序特征,并将时频域特征和时序特征拼接后输入全连接层和Softmax分类器中进行结构损伤识别。位移激励下的海上风电支撑结构模型试验数据验证结果表明,该方法仅需要一个测点的响应信号,与其他同类方法相比具有更高的识别准确率和效率。

不同位置火源引起圆形综合管廊结构损伤特性研究

综合管廊在运营过程中,电力管线及燃气管线容易引起火灾,不仅会产生重大经济损失,还会影响管廊服役性能与临近轨道交通等公共设施的平稳运行。为探究不同位置火源对综合管廊结构的影响,文章构建圆形综合管廊温度–应力耦合三维有限元模型,分析不同位置火源作用下综合管廊的变形规律及结构损伤,结果表明:随着火源高度的增加,火源上方综合管廊结构变形增大,下方变形减小;火源到拱顶范围内火源处的压应力随火源高度增加而减小,而其余各处压应力增大;圆形管廊结构环向损伤区的范围为火源上方约10°;当管廊直径为6 m左右时,建议电缆管线及燃气管线布置在3~4 m的高度范围内。

基于轮廓检测的水稻种植机械结构损伤识别方法

水稻种植机械的长时间作业容易加剧其机械部件的结构性损伤,进而影响机械性能、降低作业效率、增加维修费用,不利于水稻种植效率和产量的提升。而轮廓检测技术是计算机视觉领域的核心技术之一,其能够识别物体边界、简化图像分析,具有适用性广、应用高效便捷、实时处理能力强、易于集成等特点,可用于水稻种植机械结构损伤识别。基于轮廓检测技术提出机械结构损伤识别的技术框架,能提高对机械结构损伤的辨别能力,为维护和修复决策提供科学依据,有助于推进水稻种植业的机械化、智能化、精细化发展,为现代农业生产提供技术支持。

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 。

基于机器视觉的装配式建筑混凝土结构损伤检测

随着装配式建筑的普及,现有混凝土结构损伤检测方法容易受到噪声环境影响的问题亟待解决,设计了一套基于机器视觉的装配式建筑混凝土结构损伤检测方法。该机器视觉采集装置由机器视觉工具(由图像采集卡、CCD摄像头构成)和爬壁机器人构成,将机器视觉工具搭载在爬壁机器人上完成图像采集。首先,使用加权平均法对采集的图像实施灰度化处理,使用阈值滤波法实施灰度图像的滤波处理;其次采用由快速区域卷积神经网络FastR-CNN与区域推荐网络RPN组成的Faster R-CNN模型实现混凝土结构损伤检测。试验结果表明,该方法在噪声环境下能够实现有污渍混凝土表面、阴影混凝土表面、粗糙混凝土表面的准确结构损伤检测,检测系统的鲁棒性较强。

基于模态振型分析的结构损伤检测方法探究

建筑使用年限到达中后期,不可避免地将出现结构安全性问题。应用ARTeMIS Modal进行有限元建模并提取模态振型作为分析指标,然后采用模态置信准则、坐标模态置信准则、模态曲率以及连续小波变换等信号处理方法加工模态振型得到关键信号,从而探究基于模态振型的结构损伤检测方法的有效性。结果表明,从ARTeMIS Modal获得的模态振型数据可以用于辨别结构损伤并且能够成功将其定位;4种基于模态振型的信号处理方法在损伤识别方面具有不同的优势。