声明
致谢
摘要
1 绪论
1.1 架桥机简介
1.2 研究目的和意义
1.3 国内外研究现状
1.3.1 基于静态监测数据的结构损伤识别方法
1.3.2 基于动态监测数据的结构损伤识别方法
1.3.3 基于人工智能的损伤识别方法
1.3.4 其它方法
1.4 本论文的主要研究内容
2 安全因子集的构建及其对损伤的适用性分析
2.1 安全因子集的提出
2.1.1 固有频率因子DNF
2.1.2 模态振型因子MMF
2.1.3 模态保证准则因子MAC
2.1.4 动刚度因子DSF
2.1.5 模态应变能因子DSER
2.1.6 结构响应因子DSR
2.1.7 姿态角因子AAF
2.1.8 超载因子OLF
2.1.9 偏载因子PLF
2.2 有限元模型的建立及工况说明
2.3 安全因子集的适用性分析
2.3.1 固有频率因子DNF
2.3.2 模态振型因子MMF
2.3.3 模态保证准则因子MAC
2.3.4 模态应变能因子DSER
2.3.5 结构响应因子DSR
2.3.6 适用性分析小结
2.4 本章结论
3 布谷鸟搜索算法的改进及其在结构损伤识别中的应用研究
3.1 布谷鸟搜索算法(CSA)
3.1.1 布谷鸟产卵行为
3.1.2 莱维飞行
3.1.3 布谷鸟搜索行为
3.2 改进的布谷乌搜索算法(ICSA)
3.2.1 基于云模型的发现概率Pa
3.2.2 步长改进
3.2.3 莱维飞行方法改进
3.2.4 协同布谷鸟搜索算法
3.3 仿真结果与讨论
3.3.1 粒子群优化算法
3.3.2 引力搜索算法(GSA)
3.3.3 测试函数与算法参数设定
3.4 优化算法在结构损伤中的应用研究
3.4.1 评价模型建立
3.4.2 分析结果
3.5 本章小结
4 基于核模糊聚类和多分辨小波核的相关向量机在损伤识别中的应用研究
4.1 引言
4.2 基于布谷鸟搜索算法的核模糊聚类算法
4.2.1 模糊聚类分析
4.2.2 模糊C-均值聚类算法(FCM)
4.2.3 核模糊C-均值聚类算法(KFCM)
4.2.4 基于布谷鸟搜索算法的核模糊C-均值聚类算法
4.2.5 算例验证分析
4.3 多分辨小波核相关向量机
4.3.1 相关向量机回归模型
4.3.2 核函数类型
4.3.3 多分辨小波核
4.3.4 基于多分辨小波核的相关向量机
4.3.5 算例验证分析
4.4 基于核模糊C-聚类和多分辨小波核的相关向量机在损伤识别中的应用
4.4.1 基于核模糊聚类和多分辨小波核相关向量机的架桥机主梁损伤识别模型
4.4.2 数值模拟
4.4.3 损伤识别
4.4.4 含噪声损伤识别
4.4.5 未知损伤预测
4.5 本章小结
5 架桥机主梁的损伤检测试验研究
5.1 试验概况
5.1.1 试件的设计
5.1.2 载重小车模型设计
5.1.3 导轨设计
5.1.4 牵引装置
5.1.5 试验仪器
5.2 试验目的、方法和过程
5.2.1 模型梁抗弯刚度测试
5.2.2 模态试验
5.2.3 动载试验
5.3 试验结果及分析
5.3.1 直接刚度法分析
5.3.2 模态分析
5.3.3 结构响应分析
5.3.4 利用结构响应的最大和最小值判断结构的损伤
5.3.5 协同布谷鸟搜索算法在试验中的应用分析
5.3.6 相关向量机在试验中的应用分析
5.4 本章小结
6 总结与展望
6.1 全文总结
6.2 主要创新点
6.3 展望
参考文献
作者简历
学位论文数据集