基于PSO-SVM的板式无砟轨道CA砂浆脱空损伤识别

为准确识别板式无砟轨道层间脱空损伤,利用有限元软件ANSYS/LS-DYNA建立含砂浆损伤的车辆-板式无砟轨道耦合动力学模型,提取基于振动响应的损伤特征指标,并利用主成分分析法对其进行降维处理,将获得的脱空样本输入基于粒子群优化算法-支持向量机(PSO-SVM)搭建的脱空识别模型进行损伤识别。研究结果表明:从时域、频域及时-频域角度对振动信号提取的26个特征指标,可较全面地反映振动信号中隐含的损伤信息;利用主成分分析法可在尽可能保留原始损伤信息的基础上,有效降低损伤特征指标的维度,提高损伤识别效率;采用本文提出的PSO-SVM识别算法对砂浆脱空识别是可靠、有效的,识别准确率达到90%。

基于统计分析的损伤识别方法及程序设计

为实现大型复杂结构实时在线的健康监测,及时发现结构状态变化,文中基于主成分分析方法,以随机荷载作用下动态响应拟合的AR模型系数为分析对象,得出的前两阶主成分数据有效保留了结构状态的重要信息。应用椭圆控制图的基本原理,提出新的损伤特征指标ω,并将该损伤识别方法与LabVIEW相结合进行程序设计,在一钢框架模型上针对不同工况进行了试验验证,结果表明,该方法能够正确识别结构状态变化,所编软件运行可靠,并在损伤状态下进行了声光报警。