基于应变模态振型的复合材料梁结构损伤位置辨识

针对悬臂式复合材料结构健康监测需求,研究了一种基于光纤Bragg光栅(FBG)传感器与应变模态振型的结构损伤位置辨识技术。借助有限元仿真方法,建立了悬臂式复合材料梁结构力学模型。通过数值仿真,得到应变模态振型对于该类型结构局部损伤位置的响应特征。在此基础上,分别提出了基于应变模态振型变化差值和应变模态振型变化率的2种损伤位置辨识方法。根据数值仿真结果,验证了基于上述2种指标进行损伤定位的可行性。采用FBG传感器,构建了基于应变模态振型的悬臂式复合材料梁结构损伤监测系统,实现针对模拟损伤位置的辨识。

高压富水地质隧道衬砌结构损伤位置红外跟踪方法设计

为了优化衬砌结构损伤位置的实时跟踪效果,确保高压富水地质隧道的安全运行,提出高压富水地质隧道衬砌结构损伤位置红外跟踪方法。将热源激励作为半无限体表面的热源,构建无限大物质在线激光激励下的热传导方程,推导隧道衬砌结构表面温度场分布;结合温度场分布结果,利用红外热成像技术构建隧道衬砌结构表面温度场传热控制方程,跟踪高压富水地质隧道衬砌结构的损伤位置;计算隧道衬砌结构红外像面照度,控制红外热成像传热偏差,获取修正后的高压富水地质隧道衬砌结构传热控制方程;结合温度场分布情况,创新性地运用限元校正运算,通过Softmax分类器完成隧道衬砌结构损伤位置的实时跟踪。实验结果表明:该技术可实现隧道衬砌结构表面测温数据的修正,成像偏差控制后的各方向温度分布曲线走势规律相似,且曲线基本重合;可获得隧道衬砌结构温度光谱,并完成损伤位置的跟踪。

用概率神经网络进行结构损伤位置识别

在不计测量误差情况下 ,神经网络能够成功地识别损伤位置及其程度 ,但在测量噪声影响下 ,神经网络的损伤识别效果则比较差。考虑到基于多变量模式分类的概率神经网络具有处理受噪声污染的测试数据的能力 ,本文将可能的损伤位置作为模式类 ,利用概率神经网络的分类能力来识别结构的损伤位置。针对两个算例 :一个六层框架和一个两层框架进行数值模拟分析 ,并将概率神经网络与 BP网络进行了比较。结果表明 ,概率神经网络具有更好的识别效果 。

基于斜拉索振动测量与神经网络技术的斜拉桥损伤位置识别方法

以香港汲水门大桥为背景,探讨了斜拉索张力指标和神经网络技术相结合对桥面结构损伤的定位或分类方法。基于高精度三维有限元模型,采用BP网络,模拟了12种可能的损伤情况的定位。以不同损伤程度下斜拉索张力指标作为神经网络的训练与测试输入,由神经网络的输出来指示损伤位置。该方法的突出优点是只用到少量斜拉索的局部模态的基频,就能获得较好的识别结果。而对少量斜拉索的局部模态的基频测量要比其它面向损伤检测的测量容易得多。另外,该方法可十分方便地推广应用于悬索桥的桥面损伤定位。因此,该方法具有重要的实用价值。

斜拉桥桥面结构损伤位置识别的指标比较

以香港汲水门大桥为背景,应用高精度三维有限元模型,对斜拉桥桥面结构损伤位置识别的模态曲率指标、模态柔度指标和斜拉索张力指标进行了比较研究。主要比较了(1) 在无噪声情况下,三损伤指标对各种不同损伤情况的识别效果;(2) 三损伤指标对损伤程度的敏感性;(3) 三损伤指标的抗噪声能力。获得以下结论: (1) 曲率和柔度指标在损伤定位上对不同类型的损伤情况显现一定的互补性; (2) 同曲率和柔度指标比较,索张力指标对不同的损伤程度呈现较好的稳定性;(3) 对大多数损伤情况,柔度指标的抗噪性最好,曲率指标最差。

青马大桥桥板结构损伤位置识别的数值模拟

通过数值模拟研究了香港青马大桥桥板结构的损伤位置识别问题。分两阶段来识别青马大桥桥板结构的损伤位置 ,在第一阶段 ,将青马大桥桥板结构划分为许多桥板段 ,并根据部分模态分量导出了一个损伤指标 ,用于指示大概的损伤区域 (桥板段 ) ;第二阶段 ,在已知损伤桥板段后 ,采用神经网络方法来识别具体的损伤构件。数值模拟结果表明 ,采用本文提出的损伤指标、采用神经网络方法 ,分两阶段进行青马大桥桥板结构的损伤位置识别是有可能的。

损伤位置对复合材料加筋壁板剪切承载能力的影响

针对先进飞机上大量采用的复合材料加筋壁板结构对冲击损伤特别敏感的问题,通过对含冲击损伤复合材料加筋壁板进行剪切试验的方法,研究了不同损伤位置(目视可测损伤)对大尺寸复合材料加筋壁板剪切承载能力的影响。结果表明:损伤在两筋条之间时,离筋条中心越远,承载能力越低;蒙皮中央在较低能量冲击损伤后,破坏载荷约为完好加筋壁板的48%,损伤在筋条中心时,破坏载荷约为完好加筋壁板的84%。

基于车致振动响应的铁路桥梁损伤位置识别

为识别列车荷载引起的桥梁结构损伤,基于车致振动的加速度响应,提出了一种损伤位置识别方法.该方法通过结构易损性分析,确定结构易损的部位,并根据易损部位的损伤状态,从列车行驶的时间区域中选择若干子区域;然后,假设在每一个子区域内特定易损部位的损伤状态保持不变,将损伤位置识别分为2个层次进行,每一层次均以加速度时程数据构建损伤指标,从多个角度优化样本库,并采用支持向量机作为分类工具,建立损伤位置识别模型.对一连续梁的实例分析表明:该方法能够考虑结构状态与列车荷载的相关性,在损伤最易出现的时间子区域内,对易损部位进行损伤识别,可获得较好的损伤位置识别结果;且在低水平噪声干扰下,识别结果变化不大.

应变模态参数曲线的结构损伤位置及程度研究

对结构的损伤进行诊断和评估是健康监测系统的核心问题,而敏感的损伤指标是损伤诊断的关键,并且传统的模态参数不易识别结构的早期局部微小损伤。以悬臂梁作为研究对象,对其进行有限元分析,与实验结果进行对比。研究结果表明:频率仅能识别结构损伤存在;位移模态对局部损伤不敏感;应变模态参数对局部微小损伤非常敏感,损伤处应变值明显大于未损伤处,能非常精确地识别结构损伤的位置及程度。该实验可运用到其它复杂机械结构的早期局部微小损伤中。

基于EMD识别简支梁桥模型损伤位置

为识别简支梁桥模型的损伤位置,利用振动信号发生器、加速度传感器、信号采集仪和计算机构成信号采集分析系统,分别采集简支钢梁模型在结构完好和损伤2种工况下的加速度响应数据;采用EMD(经验模态分解法)和波形因数结合的方法分析、处理数据;得到梁在2种工况下的波形因数,根据波形因数的变化率即可找到梁的损伤位置.实验结果表明:该方法对简支梁桥模型损伤位置的识别较敏感,能够比较准确地找到损伤位置.

基于经验模态分解法及波形指数识别简支梁桥损伤位置

介绍了经验模态分解法(EMD)的原理及波形指数的概念。为研究桥梁结构的健康监测问题,对某一简支梁桥模型进行试验研究。采用正弦波定频激振,利用信号采集系统采集加速度响应,综合应用希尔伯特-黄变换(HHT)中的经验模态分解部分和波形指数较好地识别出了该简支梁桥模型的损伤位置,并提出了该方法的需改进之处。

用于结构损伤位置识别的两种神经网络性能比较

为了克服用BP网络进行结构损伤位置识别时网络结构确定难、网络训练易陷入局部极小、训练时间长以及处理带噪声数据需要大量的训练样本等问题,提出用SOFM网络进行结构损伤位置识别的方法。分别用SOFM网络和BP网络对一桁架结构进行损伤位置识别,通过比较两种网络的性能发现SOFM网络不但网络结构容易确定,网络训练不存在陷入局部极小的问题,BP网络只有在大量训练样本条件下才能保证网络具有较好的抗噪声能力,若训练样本不足,则BP网络的抗噪声性能较差,而SOFM网络在较少训练样本情况下即可具有良好的抗噪声性能,因而SOFM网络更适合训练样本有限条件下的结构损伤位置识别。

SOFM网络在结构损伤位置识别中的应用

为实现结构的损伤定位,克服BP神经网络受病态样本影响大且抗噪声能力弱等缺点,采用SOFM(Self-Organizing Feature Map)网络,以结构振动组合损伤指标为网络输入,对一桁架结构进行了损伤位置识别研究。识别结果显示SOFM网络能够区分相似样本,由网络的拓扑图可以直观地评价网络训练和识别结果。在不考虑噪声情况下,网络可以正确识别损伤位置,在噪声水平不大于30%情况下,除个别单元外,网络对其他单元损伤的正确识别率均高于95%,显示出很好的抗噪声能力。

在役桥梁结构损伤位置识别的综合指标方法研究

在役桥梁结构的健康状况关系到人们生命财产的安全,了解其损伤状况极为重要。目前,在役桥梁结构的损伤识别经常要中止桥梁的运营,造成巨大的经济损失。为此,提出了一种不影响其运营的在役桥梁损伤位置识别方法。曲率模态方法是识别结构局部损伤位置比较理想的方法,该方法具有操作简便,灵敏度高的优点。同时,频率指标具有测试简便,精度高的优点,由此,提出了一种综合考虑曲率和频率变化率的综合指标法。为了在测试中不影响在役桥梁的运营,该方法中引入了随机子空间方法。最后采用一简支钢梁对所提方法进行试验验证。试验结果表明,基于频率和曲率变化率的综合指标法与随机子空间方法相结合能够有效地识别在役桥梁结构的损伤位置,而不会影响桥梁结构的运营。

损伤位置分步识别法中参数选择、样本简化等问题的探究

对于多层多跨的框架结构,构件数量众多,直接确定损伤位置十分困难。基于神经网络的损伤位置分步识别法是先构建一个网络来确定结构损伤层的位置,然后针对每层再分别构建一个网络,确定损伤层中损伤柱的编号,于是一个复杂的神经网络被分解简化为几个简单的子网络,这样可以根据模态参数的性质合理选择损伤识别指标,并降低训练样本的数量,从而提高了网络的识别精度。结合分步识别法,建立了详细的多层多跨框架结构数值模型,对模态参数的性质和选择,如何减少训练样本,样本的构造方法等影响识别的因素做了初步探究。

基于频率测试数据及灵敏度分析的悬臂梁多损伤位置识别

:提出了结构多损伤区识别的方法 ,该法利用频率测试数据和灵敏度分析并结合遗传算法对损伤区进行识别 .对悬臂梁结构的数值计算和测试例子的分析表明 。

染色体长度自适应调整的遗传算法在损伤位置识别中的应用

研究了改进的遗传算法在结构损伤位置识别中的应用。首先介绍了遗传算法在结构损伤模式识别中的应用,然后由染色体中局部区段损伤值缺损的特性,对遗传算法提出了对应的改进原理,通过对遗传算法的损伤模式搜索过程中染色体长度的自适应调整,缩小损伤位置的搜索范围,减少计算量。四边固支板结构损伤诊断位置的搜索过程验证了该改进的算法是有效的。

频率变化平方比向量确定结构损伤位置

损伤定位在结构损伤检测中处于基础和关键的地位。能否准确找出损伤位置,决定了损伤识别的成败。因此,提出频率变化平方比向量置信准则。该方法仿照模态置信准则(MAC)的建立方式,以频率变化平方比是损伤位置的函数这一理论而建立的。分别计算实际测试或者理论的频率变化平方比向量和相应频率下单元变形为基础的频率变化平方比向量。按照置信准则,计算两个向量的相关性。以相关性来判定损伤是否发生在该单元。

损伤位置对复合材料加筋壁板轴压承载能力的影响

通过落锤冲击试验分别在复合材料加筋壁板的蒙皮中央、长桁平筋边缘和长桁轴线处冲击出深约1mm的凹坑,然后对其进行轴压试验,研究了损伤位置对加筋壁板轴压承载能力的影响,并与未损伤试样进行了对比。结果表明:损伤位置对复合材料加筋壁板轴压承载能力有很大影响,损伤位于蒙皮中央、长桁平筋边缘、长桁轴线处加筋壁板的屈曲载荷分别为未损伤加筋壁板的83.1%,90.7%,96.1%,破坏载荷分别为未损伤加筋壁板的90.2%,84.8%,79.7%;蒙皮对加筋壁板的整体稳定性起主要作用,筋条对加筋壁板的最终承载能力起主要作用。

裂纹梁无效损伤位置的理论分析和实验研究

以两端固支裂纹梁为例,通过理论和实验方法探讨无效损伤位置。首先将梁的裂纹模拟为无质量的等效扭转弹簧,得到裂纹梁的特征方程,并求解特征方程解得固有频率。数值计算结果表明,某阶模态的无效损伤位置就是该阶模态固有频率与裂纹深度无关的位置,并且该位置出现裂纹时无法通过计算相应模态的曲率模态差来判断是否出现损伤。不同阶模态的无效损伤位置也会不同。随后用质量块模拟裂纹进行实验研究,利用移动质量块的方法模拟不同损伤位置得到的梁固有频率曲线,与健康梁固有频率对比,从而得到梁的无效损伤位置。最后将质量块放置在梁无效损伤位置上模拟裂纹,实验测得该梁的曲率模态,实验结果表明:当质量块布置在梁某阶无效损伤位置时,梁该阶固有频率几乎不发生变化,且相应模态的曲率模态差无法检测出损伤信息,与数值计算结果相符。