基于模态应变能基指标的结构损伤识别

基于单元模态应变能对结构损伤敏感这一特点,采用模态应变能基指标作为损伤识别指标对结构损伤进行识别。在有限元软件Abaqus中建立简支梁模型,设置单损伤、双损伤、多损伤不同工况,提取前三阶模态参数对损伤进行识别分析。此后为模拟现场实测中的噪音干扰,在获取的模态参数中加入噪音,对模态应变能基指标的抗噪性进行分析。分析结果表明:该损伤指标对不同工况损伤均有较好的识别效果,且在噪音干扰下仍能较准确的识别出损伤位置。

基于模态应变能的不同损伤指标对比

为解决工程结构的多损伤识别问题,对基于模态应变能的不同损伤指标方法进行了对比分析和研究。首先,描述了3种损伤指标,即模态应变能变化指标(MSECI)、模态应变能耗散率指标(MSECRI)和模态应变能基指标(MSEBI);然后借鉴模态应变能耗散率指标的建立原理,通过对刚度矩阵的修正,建立相应的能量等效方程,并提取了一种模态应变能等效指标(MSEEI);最后对4种应变能损伤指标进行了对比研究,并考虑了测量噪声的影响。数值仿真结果表明,模态应变能基指标可以较好地识别结构的损伤位置,模态应变能等效指标则不仅可以有效地识别结构的损伤位置,而且可以较为精确地识别结构的损伤程度。

利用深度学习与数据融合的结构损伤识别方法

为实现高准确率、智能化的结构损伤识别,将模态频率应变能基指标以及曲率模态差作为损伤识别评价指标,并利用卷积神经网络将二者融合进行损伤识别。以简支梁为实验对象,通过ANSYS仿真模拟不同损伤工况,提取特征数据进行训练。仿真实验包括单位置损伤、多位置损伤以及多程度损伤的工况。这2种指标均能够对损伤位置以及损伤程度进行有效识别,并且将2种信号进行特征级融合时,损伤识别的准确率有了进一步提高。以模态频率应变能基指标和曲率模态差为损伤识别指标,利用深度学习和数据融合方法为结构健康监测提供了一种有效的新途径。