Duffing振子在水工结构动力响应信号检测应用中的一种混沌判据

【目的】Duffing振子是一种典型的非线性动力系统,混沌状态的判断是利用Duffing振子进行水工结构动力响应信号检测的基础准则。Duffing振子系统进入混沌状态时,系统状态时序图和相图会变得更为无序和复杂,可以对系统状态进行直观反映,但直接将二者作为系统混沌状态的判断依据,存在较为模糊和主观性较大的问题。为了对Duffing振子系统状态时序图和相图的复杂程度进行定量描述,以便更准确地利用二者对Duffing振子系统混沌状态的判断,【方法】提出了一种利用系统内状态量的时序图和相图盒维数的指数组合的指标,将该指标是否发生突变作为利用Duffing振子进行信号检测时的混沌状态的判断依据。【结果】所提出的Duffing振子混沌状态识别指标在Duffing方程的仿真分析、正弦波仿真信号检测和悬臂梁锤击动力响应信号检测试验中分别表现出22.611%、17.514%和30.975%的相对变化率。同时振子对应的李雅普诺夫指数也由负转正,但Duffing方程的仿真分析结果显示李雅普诺夫指数作为识别指标更为敏感,在振子系统的时序图和相图未明显表现出混沌状态时,其已经由负转正。【结论】由试验结果可知:可以根据所提出识别指标是否发生突变进行识别振子混沌状态,达到信号检测的目的。同时,所提出的混沌状态识别指标以时序图和相图的复杂程度直接作为判断标准,与其他指标相比更为直接和合理。悬臂梁动力响应信号检测试验初步验证了所选取的识别指标应用到具体工作中的可行性,有望应用于结构损伤识别,共振发现等工作中。

面向桥梁结构健康监测的压缩感知动力响应信号重构

为了解决桥梁结构健康监测中采集海量数据带来数据传输和存储成本大的问题,引入压缩感知理论,优化常规观测矩阵,以增加观测矩阵和稀疏基的不相关性,用少量的动力响应信号采样数据恢复较为准确的原始信号。用吉安大桥的现场环境振动试验数据验证了基于压缩感知的桥梁动力响应重构方法的可行性和有效性。研究结果包括:压缩感知重构信号在时域里与原始信号吻合良好,当压缩比在20%以上时,重构信号相对误差在10%以下,优化观测矩阵重构的信号精度高于初始观测矩阵重构的信号,尤其是在低压缩比情况下,有利于减少数据的采集量;观测矩阵优化后重构信号的频谱与原始信号的频谱更加吻合,频谱出现的几个峰值均能准确对应,相比之下,初始观测矩阵重构信号的频谱出现较多峰值的误判,且有些峰值未能识别;观测矩阵优化方法可以适用于随机高斯矩阵、伯努利矩阵和稀疏随机矩阵,具有较广泛的适用范围。研究结果表明基于压缩感知的桥梁结构动力响应信号重构方法是实现用少量采样数据恢复较为准确的原始信号的有效方法。

基于ABAQUS和小波包能量谱的钢桁架损伤预警

用大型结构有限元分析软件ABAQUS建立了钢桁架完好模型和损伤模型,并模拟结构受到瞬态激励的振动测试实验,得到了结构动力响应信号。利用小波包变换对完好结构信号和损伤结构信号分别进行了多尺度分解得到小波包能量谱,并在此基础上计算结构损伤预警指标。结果表明,小波包能量谱对结构损伤具有很好的损伤敏感性,验证了该方法的有效性且具有良好的工程实际应用价值。

基于功能近红外光谱成像的协调运动想象识别研究

基于功能近红外光谱成像的脑机接口(fNIRS-BCI)是一种较为新颖的脑机交互技术。为了探究不同肢体协调运动想象血液动力学信号的可分性以及不同组合特征的分类效果,研究采集了10名健康受试者站立、行走想象以及休息状态的血液动力学信号,提取了氧合血红蛋白(HbO2)信号的均值、峰值、均方根、方差和标准差的组合作为分类特征。构建了基于最小二乘支持向量机(LS-SVM)的分类模型,对站立、行走想象和休息状态的HbO2进行了测量和分类。试验结果表明,均值&峰值、均值&均方根、标准差&均值、方差&均方根的分类准确率明显高于其他组合特征,分别为77.3%±5.5%、74.8%±6.1%、71.7%±6.5%和73%±3.9%。这表明多个肢体的协调运动想象具有可分性,有望为fNIRS-BCI控制外部设备增加新的指令,该研究可能为fNIRS-BCI在下肢康复的应用提供帮助。