基于Tikhonov正则化迭代求解的结构损伤识别方法

求解以结构物理与模态信息所构成的线性方程组,而获得结构的损伤位置和损伤程度,是进行结构损伤检测的一种常用做法。然而,在噪声影响下,其求解往往会出现振荡发散的情况,导致损伤检测结果不准确。Tikhonov正则化方法广泛应用于噪声条件下的线性系统求解,该方法执行的关键是选择合理的正则化矩阵及正则化参数。提出了一种迭代化的Tikhonov正则化方法,通过迭代的方式重构正则化矩阵,在充分抑制噪声的同时,保留了真实的损伤信息。同时,提出了奇异值二分法,自适应地调整正则化参数,避免了传统“L-曲线”方法选取正则化参数时需要进行大量试算等诸多问题。选取一海洋平台结构对提出方法的有效性进行验证,并与传统Tikhonov正则化方法进行对比,结果表明:提出的迭代型Tikhonov正则化方法具有更好的损伤识别结果。

基于CMSE理论和小生境遗传算法的结构多损伤检测方法研究

本文提供了一种基于交叉模态应变能简称CMSE(cross modal strain energy)和小生境遗传算法的结构多损伤位置和严重程度的有效检测方法。交叉模态应变能方法可以使用完好结构和损伤结构的任意一阶模态信息,并且可以使用极少量(例如只用一阶测量模态)的测量信息。不仅与传统的模态应变能方法相比有了很大的改进,而且对实际检测过程中的信息测量降低了要求。在损伤位置的检测中引入了小生境遗传算法,降低了计算量,提高了检测效率,有利于大型复杂结构的损伤位置检测。复合材料机翼盒段算例结果表明,CMSE方法与小生境遗传算法相结合是检测结构多损伤的有效方法之一。

基于CMSE理论和遗传算法的结构损伤检测方法研究

提供了一种基于交叉模态应变能(CMSE)的结构损伤位置和严重程度的有效检测方法。传统的模态应变能方法必须比较损伤结构和完好结构的同一阶模态信息,并且要求解析的和测量的模态在尺度上一致或者标准化,而CMSE方法没有这样的限制。在损伤位置的检测上引入了遗传算法,有利于大型复杂结构的损伤位置检测。算例采用了复合材料机翼盒段模型,结果表明,CMSE方法与遗传算法相结合是检测结构损伤的有效方法之一。