基于新奇检测技术的桥梁涡激共振自动识别研究

大跨桥梁健康监测系统记录了多座桥梁主梁涡激共振事件,实测数据为涡激共振研究提供了资料,在线判别涡激共振也是实现涡振半主动控制的前提条件。针对如何从在线健康监测数据中自动识别涡激共振信号的问题,提出了应用基于BP神经网络的新奇检测技术进行涡激共振自动识别方法。根据主梁涡激共振和环境振动在各频段归一化功率谱能量分布特征存在显著差别的特征,以环境振动作为正常状态,建立基于神经网络的新奇检测技术模型。当发生涡激共振时,结构振动发生状态异常,识别出涡激共振。通过数值仿真对所提方法进行了验证,并采用该方法对西堠门大桥健康监测系统实测海量数据进行了涡激共振识别。研究结果表明:所提方法能有效自动识别出涡激共振信号。

基于BP神经网络的改进型新奇检测技术诊断大跨度拱桥异常状态

为了诊断大跨度拱桥的异常状态,使用了基于BP神经网络的改进型新奇检测技术的方法,该方法通过BP神经网络对大量实测数据进行训练,得到桥梁状态正常时的新奇指标,并确定阈值,通过阈值判定是否发生异常.经实际分析以及实测数据的验证,该方法可以较准确地识别大型桥梁异常情况,并可以定位异常区域,避免了模型误差的影响,大大提高了方法的实用价值,同时降低了漏警、虚报警,使识别结果更为准确,更符合实际要求.

基于新奇检测技术的斜拉索状态评估

探讨了应用基于BP神经网络的新奇检测技术进行斜拉索状态评估的方法。通过对监测系统采集数据分析处理,生成训练神经网络需要的样本数据,按要求训练网络,建立了基于新奇检测技术的多阶段状态评估的神经网络模型,实现了斜拉索状态评估的两个阶段:状态预警、状态异常位置识别。状态异常位置识别采用逐步分区识别的方法,最终将损伤拉索的位置确定在较小的范围内。用有限元模型和实测数据进行了检验,结果表明,在不同的环境温度条件下,该方法能准确进行状态预警,有效地识别出状态异常的位置。