基于递阶遗传算法的结构多损伤监测

基于递阶遗传算法(HGA)与结构优化思想,提出了一种针对欧拉-伯努利梁和二维板结构的多损伤监测方法.该方法利用递阶遗传算法的控制基因表示损伤的数量和位置,以参数基因表示损伤的程度,有效地避免了传统遗传算法(CGA)的早熟现象所造成的损伤误识别等问题.一个悬臂梁和悬臂方板结构模型的多损伤监测仿真计算表明该方法能够准确地监测一、二维结构中多个位置的损伤,而传统遗传算法难以识别二维结构中的多损伤情况.悬臂梁仿真算例中,该方法和传统遗传算法对多损伤程度的识别误差分别为0.144%和1.819%,所需的有限元计算次数该方法仅为传统遗传算法的16.4%.与传统遗传算法相比,递阶遗传算法明显提高了损伤识别方法的计算效率、精度和稳定性.

一种基于宽带激励的虚拟时间反转方法

针对主动Lamb波监测中常见的低信噪比问题和传统时间反转方法降低监测信号空间分辨率的不足,提出一种采用宽带激励求取损伤散射路径传递函数的虚拟时间反转方法并应用于复杂结构的多损伤成像中。理论研究并经实验验证表明该方法不但能够有效实现Lamb波多损伤散射信号在相应损伤处聚焦增强,抑制了边界反射信号和噪声,提高了信噪比,而且与传统时间反转方法相比,提高了损伤聚焦波包的空间分辨率,增强了对于多个损伤的监测能力。最后的成像结果显示虚拟时间反转方法能够改善复杂板结构中两个近邻损伤的成像质量。