损伤识别

摘要： 鉴于新旧桥梁在日常运营中缺乏连续、实时的损伤情况分析,基于桥梁结构损伤识别与机器学习中的径向基函数理论,提出了2种损伤识别方法。一是分步识别法,运用频率的变式识别损伤位置,曲率、频率组合输入识别损伤程度,得到了88%以上的位置识别正确率与92%以上的程度识别正确率,适用于对准确率要求较高的结构损伤识别。二是综合识别法,在分步识别法的基础上对网络结构进行优化,利用神经网络的输出特征可直接判别损伤位置和损伤程度,得到了78%以上的识别准确率,适用于桥梁结构大数据的在线分析。试验证明了2种径向基函数(radial basis function,RBF)神经网络可以用于桥梁不同实际条件下的损伤情况识别,对于神经网络在桥梁结构损伤识别方面有更加准确的认识和分析,为以后进一步研究神经网络在桥梁结构损伤识别方面提供参考。

摘要： 危岩体损伤早期识别是边坡地质灾害防治的重点。针对传统监测方法准确性低、敏感性差的问题,提出用于评价危岩体损伤前后运动形式变化的指标——粒子轨迹。通过分析危岩体运动学机理,推导危岩体粒子轨迹与主控结构面粘结面积相关性。引入互相关近似熵概念并拓展至三维,用于评价危岩体损伤前后粒子轨迹差异程度,实现对粒子轨迹的定量分析。开展模型试验,监测危岩体不同后缘裂缝深度下的自由振动响应,利用三维互相关近似熵分析粒子轨迹差异性。试验结果表明,随岩桥损伤程度加强,粒子轨迹熵值逐渐增大。相比传统监测方法,粒子轨迹对危岩体结构面损伤更敏感且普适性强,为危岩体损伤识别及崩塌早期预警提供了新的研究思路。

摘要： 为保障高速列车运行安全,需要对其齿轮箱箱体材料的拉伸损伤进行实时无损监测,传统的力学性能试验不能满足这种要求。为此,利用声发射技术,针对某型号高速列车齿轮箱箱体材料进行拉伸试验,采集拉伸过程中的声发射信号进行参数分析,并利用支持向量机(SVM)分类器对提取的特征参数进行识别分类。在此基础上改进SVM分类器,应用加权支持向量机(WSVM)方法有效减少SVM分类器的误判,并通过研究声发射特征值与拉伸寿命之间关系的规律,建立齿轮箱箱体材料拉伸过程的退化模型。结果表明:声发射信号的对数撞击计数增长速率和对数幅值增长速率可以较好地表征材料拉伸过程所处的阶段,可用于对箱体材料拉伸过程的损伤识别;应用WSVM方法使不平衡数据分类准确率提升至94%以上;建立的退化模型实现了对高速列车齿轮箱箱体材料在拉伸过程中的损伤识别,以及对其剩余寿命的预测。

摘要： 为了减少损伤识别所需传感器数量,降低监测系统造价及海量数据的处理成本,提出了基于单传感器数据结合格拉姆角场(Gramian angular field,简称GAF)和卷积神经网络(convolutional neural networks,简称CNN)的结构损伤识别方法。采用GAF理论将原始振动信号分别转换为格拉姆角和场(Gramian angular summationfield,简称GASF)和格拉姆角差场(Gramian angular difference field,简称GADF)二维图像,以转换后的GASF和GADF两类图像数据集为输入,基于LeNet⁃5结构下的浅层卷积神经网络模型,训练最优二维CNN模型用于结构损伤识别。以国际桥梁维护和安全协会提出的结构健康监测基准模型结构及一榀钢框架结构为例,研究振动信号转化为二维图像算法、卷积神经网络模型参数、传感器布置位置及测量噪声对识别结果的影响。结果表明:所提算法仅需单个传感器数据即可实现损伤识别的目的,数值模拟及模型试验的损伤识别准确率均为100%,单条样本测试时间为8.5 ms左右,满足结构健康监测在线损伤识别的需求,且受传感器布置位置和噪声程度影响较小;GADF图较GASF图收敛效率更高,震荡幅度更小,受局部最优值影响较小,在样本数量规模一致的状态下,更易训练生成最优二维CNN模型。

摘要： 为了识别无限长周期梁中的损伤,文中提出了一种基于振动功率流的裂纹识别方法。以无限长周期连续Euler梁为研究对象,假设损伤为裂纹形式,采用柔度弹簧对裂纹进行描述,结合周期结构理论和传递矩阵方法,分别推导了健康与损伤连续梁的传播功率流和输入功率流,得到了不同激励位置下的健康周期连续梁的输入功率流曲线及在跨中激励时不同损伤位置和损伤程度下的损伤梁输入功率流曲线。进而通过分析归一化振动输入功率流与损伤位置和损伤程度的关系,证实了利用振动功率流方法进行周期连续梁损伤识别的可行性。

摘要： 基于结构动力响应进行损伤识别是目前结构健康监测常用的方法.结构动力响应同时包含了结构自身和外激励的信息,而实际工程中的外激励往往难以准确获得,特别是地震作用.因此,仅利用未知地震作用下的结构动力响应进行桥梁结构损伤识别是一项富有挑战性的工作.提出了一种仅基于结构振动响应的数据驱动方法,将小波包能量和传递比函数相结合构建损伤特征指标,实现桥梁结构在未知地震作用下的损伤定位识别.该特征指标不仅对结构的局部损伤敏感,同时可以消除外激励和频带的影响.通过对简支梁桥和中承式钢拱桥在未知地震作用下的数值模拟算例,验证了所提方法的可靠性.

摘要： 提出了一个用马尔科夫链抽样的贝叶斯模型修正和损伤识别方法,用于对梁结构的损伤识别。首先建立了基于结构振动频率测量,确定其振型的目标函数,然后采用延缓拒绝自适应的马尔科夫链蒙特卡洛方法进行随机抽样,得到在完好状态和损伤状态下结构参数的后验概率,通过比较这两种状态下识别参数的概率密度函数,最终得到结构损伤的概率和损伤程度。以钢悬臂梁为实验算例,验证了钢悬臂梁结构各区域的损伤概率和损伤程度与真实情况吻合。

摘要： 针对目前在船舶爆炸损伤试验中不能有效获得船舶损伤数据,将爆炸过程中船舶船体梁总振动固有频率与爆炸损伤前完好船体总振动固有频率进行对比,建立完好船体和损伤船体多种假想损伤的固有频率数据库,采用神经网络智能方法得到频率改变特征参数与损伤参数的映射关系,对船舶结构损伤状态进行判断。以一艘1500吨级的船舶为研究对象,通过仿真计算船舶结构损伤前后各阶固有频率,基于频率改变特征参数与损伤参数的神经网络智能方法识别船舶结构损伤位置和损伤程度,损伤位置全部定位正确,损伤程度平均精度达97.91%。该方法适用于爆炸损伤条件下的船舶结构损伤识别,新颖有效。

摘要： 异形桥梁是城市桥梁结构中常见的组合桥梁,以典型异形桥梁结构为例,通过ABAQUS有限元软件对异形桥梁结构主桥三跨和匝道二跨进行建模。采用正交试验设计方法对异形桥梁设计参数进行分析,通过正交试验确定异形桥梁设计参数指标。通过客观赋权法结合层次分析法得到综合权重,分析各设计参数对异形桥梁整体受力特性的影响排序,得到异形桥梁结构最优设计参数组合。根据异形桥梁结构最优设计参数组合研究了动力参数损伤识别、结构参数损伤识别以及模态振型损伤识别的可行性。

摘要： 结构损伤识别问题中,剪切层结构简化带来的模型误差会对识别结果带来不可预料的影响。为了尽可能地减少模型误差的影响,提出了模态改变修正策略。并结合损伤位置的稀疏性,引入稀疏正则化以解决损伤识别反问题的不适定性。此外,为了使稀疏正则化引起的额外计算成本尽可能小,提出了一种解耦的损伤识别目标函数,并用交替优化方法进行求解。文章通过识别结构健康监测标准模型成功验证了所提方法的正确性,并且展示出模态改变修正策略的显著优点:仅需要得知剪切层结构的层数即可利用测量的模态数据进行损伤识别,适用于难以获取实际质量与刚度的真实剪切层建筑的损伤识别。

摘要： 在自然环境因素、长期交通荷载共同作用下,结构不可避免会出现一定程度的损伤,导致承载能力降低,因此需要对桥梁进行监测,根据结构响应输出信号来识别结构模态参数或者物理参数,评估桥梁实际性能,确保结构的可靠性.对于大跨桥梁结构,很难通过主动施加外部激励的方法对桥梁进行激振从而进行参数识别,而且现场采集结构响应信号会受到环境等噪声干扰,给识别效果带来影响.本文将提出一种融合移动荷载作用下桥梁结构反应测试信息的桥梁损伤识别方法.在桥梁运营状态下,桥梁加速度、应变信息较易获得并进行长期记录.本文通过无迹卡尔曼滤波方法对测试信息进行融合作为观测量,并对桥梁损伤参数进行递推估计.通过OpenSees-OKF仿真平台对不同程度预应力混凝土桥梁损伤识别进行了数值仿真分析,结果表明融合信息较单一测试信息可有效提高参数识别精度.

摘要： 本文针对有效地提取合适的空间网格结构损伤特征的问题,以一钢桁架结构基准模型为研究对象,基于试验数据,通过1DCNN对7776条加速度时程响应数据片段进行自动提取特征并进行分类,建立了相应的损伤识别分类模型.证明了通过加速度时程响应数据片段进行训练的合理性和用1D CNN进行空间网格结构损伤分类识别的有效性.提取特征的过程由1D CNN自动完成,识别效果好,可用于对结构状态进行评估.

摘要： 本文介绍了健康监测和损伤识别的概念,对土木工程结构损伤识别方法进行了分类,包括模型修正法、遗传算法、神经网络、支持向量机等有模型的损伤识别方法和动力指纹分析法、小波变换、HHT法等无模型的损伤识别方法.系统分析了各类损伤识别方法的优缺点及研究进展.基于响应面模型修正的损伤识别,可避开每次迭代都需要进行有限元计算,提高计算效率;在测量噪声较大的情况下,概率神经网络(PNN)的损伤识别精度高于BP神经网络;支持向量机(SVM)和已有的损伤识别算法相比,具有更好的泛化性能;动力指纹中的模态曲率比模态对损伤更为敏感,应变模态比位移模态更敏感;小波变换克服了傅立叶变换不能反映结构振动信号局部特性的缺点.

摘要： 利用基于模态应变能的损伤识别方法,对火箭蒙皮上L型梁进行损伤识别方法的可行性研究.该损伤识别方法以结构损伤导致模态参数变化为依据,通过对比损伤前后模态应变能变化率以及模态应变能曲率差构建损伤识别指标.在无噪声的情况下,两个指标都能较准确地识别及定位出损伤,且模态应变能曲率差的识别效果要好于模态应变能变化率.最后在随机噪声的情况下,发现两个指标在模态数据测试较多及噪声水平不是很高的情况下,识别效果较好.

摘要： 结构系统中可能存在各种不确定性,例如,结构参数的不确定性、外激励的不确定性和环境噪声的不确定性等.目前,通常采用概率模型、区间模型、凸模型和模糊模型等数学模型解决系统不确定性问题.其中,区间分析方法不依赖于一个确定的参数,在只有参数的上下界信息情况下,其能将不确定量转换为区间数,良好地应对了实践中出现的不确定性的信息和数据难以获取的情形.另一方面,结构的损伤识别是结构健康监测中重要的研究方向,结构内部与外部的不确定性因素的存在会引起结构损伤识别结果的偏差,因此,结构损伤识别的不确定性方法研究是必然发展趋势.本文把具有不确定性的结构参数和所受外激励的不确定性用区间数描述.同时,基于响应统计矩的定位和损伤识别方法不仅具有对损伤敏感的特点,还具有良好的抗噪性.本文首先提出基于具有好的抗噪性的响应统计矩非概率损伤识别方法对结构进行损伤识别,其次进一步提出基于有较好抗噪性且能减少所需的结构响应观测的传感器数量的时间矩的非概率损伤识别方法对结构进行损伤识别.两种方法均通过对不确定量的一阶泰勒级数展开,分别得到包含有不确定量的未损伤和损伤结构单元刚度区间边界估计,进而通过定义的PoDE(Possibility of Damage Existence)确定了结构各单元的损伤可能性.最后,通过几个数值算例模拟,验证所提出的两种方法的可行性和有效性.

摘要： 大跨空间结构健康监测技术是指利用现场无损监测方式获知结构的受力特点,利用自动化监测系统实时获取结构的应力、应变和变形等特征信息,进而分析和识别结构健康状况的工作.本文在总结大跨空间结构的概念和类型的基础上,梳理了当前大跨空间结构健康监测的主要内容及方法,分析了大跨空间结构的健康监测系统构成与损伤识别的理论和技术,最后对中国大跨空间结构的未来发展提出了展望.

摘要： 地震、风载等灾害荷载作用下,被动振动控制系统耗散了大量的结构振动能量,是最容易破坏的结构关键、敏感部位.由于自身材料为各向异性、多介质耦合、强非线性,因此在复杂时空环境、多因素、多载荷耦合作用下,被动振动控制系统损伤呈现多尺度、多类型特征.本文以叠层橡胶隔震支座和磁流变阻尼器为研究对象,全面综述了当前国内外对这两种结构减隔震系统的性能监测与损伤识别、性能演化与可靠性评估、自适应自供能特性三方面的研究现状,并总结了该研究方面存在的不足,为结构减隔震控制系统性能监测、评估与提升的进一步研究提供了参考.

摘要： 工业建筑在生产使用过程中受到火灾、爆炸、碰撞等偶然作用引起的局部或整体变形损伤,导致结构承载力降低.如何准确识别结构变形损伤,并考虑其对承载力的影响,是对灾损结构承载能力评定的关键和难点.结合某通廊火灾中受损支架柱实例,对受损柱子的整体和局部变形进行三维扫描,重建带损伤结构的有限元模型.采用直接分析法对受损柱剩余承载力进行分析评定,为该通廊及同类灾损结构剩余承载力评价提供参考.

摘要： 工业建筑在生产使用过程中受到火灾、爆炸、碰撞等偶然作用引起的局部或整体变形损伤,导致结构承载力降低.如何准确识别结构变形损伤,并考虑其对承载力的影响,是对灾损结构承载能力评定的关键和难点.结合某通廊火灾中受损支架柱实例,对受损柱子的整体和局部变形进行三维扫描,重建带损伤结构的有限元模型.采用直接分析法对受损柱剩余承载力进行分析评定,为该通廊及同类灾损结构剩余承载力评价提供参考.

摘要： 工业建筑在生产使用过程中受到火灾、爆炸、碰撞等偶然作用引起的局部或整体变形损伤,导致结构承载力降低.如何准确识别结构变形损伤,并考虑其对承载力的影响,是对灾损结构承载能力评定的关键和难点.结合某通廊火灾中受损支架柱实例,对受损柱子的整体和局部变形进行三维扫描,重建带损伤结构的有限元模型.采用直接分析法对受损柱剩余承载力进行分析评定,为该通廊及同类灾损结构剩余承载力评价提供参考.

摘要： 一种基于图像识别与声学识别的管道点蚀损伤智能识别方法，属于管道声发射信号处理领域。本发明与传统的处理声发射数据的小波变换、快速傅里叶变换不同，本发明提供的算法突破了它们的局限性，EEMD的基函数能够自动产生且具有自适应的滤波特性，分解后的各个分量相加能够获得原信号的性质。可以更好地去除管道点蚀状态下的各种腐蚀声信号的背景噪声，方便数据处理。方便提取腐蚀信号中比较细节的特征。此外将DIC成像技术与声发射技术结合分析，通过提取的图像的特征与声信号的特征达到智能识别的目的。

摘要： 本发明公开了一种基于优化神经网络的桥梁损伤位置和损伤程度的识别方法，步骤如下：在桥梁跨中位置处设置挠度测点，测得桥梁损伤前后主梁跨中的位移影响线并做差，得到位移影响线差曲线并求得该曲线的曲率，根据曲线的变化趋势初步定位桥梁的损伤区域；在该区域内布置传感器，获取单位荷载作用下的位移响应信号，计算其小波包能量相对变化率(RES)并绘制RES曲线，根据曲线的变化情况对桥梁损伤位置进行精确定位；采用遗传模拟退火算法对BP神经网络进行优化并训练；将桥梁结构损伤位置处的RES输入到训练好的优化BP神经网络，得到其损伤程度。本发明只需要较少传感器即可对桥梁损伤进行准确定位与定量，对桥梁的维修加固具有较大的工程应用价值。

摘要： 本公开提供了一种海洋立管损伤程度及损伤位置识别方法及系统，将立管划分为多个单元，获取无损伤工况下立管各单元的三个主应变以及损伤工况下立管各单元的三个主应变；根据获取的立管各单元的主应变，计算立管各单元的主应变变化因子；根据立管各单元的主应变变化因子，得到立管各单元的损伤程度，根据立管各单元的损伤程度确定立管损伤位置；本公开基于测得的损伤前后立管各单元的主应变时程进行损伤识别，无需进行模态分析，可以避免模态识别的误差对损伤识别的干扰；无需进行复杂的数学变换，计算简便，准确度高，可同时识别损伤位置及损伤程度。

摘要： 本发明公开了一种基于损伤诊断指标非线性窄域特征的桥梁损伤识别方法，所述方法采用健康状态下的结构响应数据构建具备非线性窄域特征的结构损伤诊断指标，通过获得具备非线性窄域特征的结构损伤诊断指标，结合基于K段主曲线算法的分段线性化方法和局部主成分分析方法，构建结构损伤诊断特征，建立结构损伤判别因子，找出其中的损伤阈值。通过带诊断状态下的结构损伤判别因子与损伤阈值进行对比，从而判断桥梁结构是否发生损伤。本发明解决了多种环境因素和荷载作用对多重超静定桥梁结构运营状态实时监测的影响，导致桥梁结构损伤识别有效率低的缺点。

摘要： 本发明涉及一种架桥机主梁损伤识别及损伤程度量化分析方法，基于架桥机作业过程中主梁支承随时变化的现状，建立主梁结构型式判断模块MI、损伤识别分析模块MⅡ和损伤量化分析模块MⅢ。损伤识别分析模块包括：⑴安装挠度测试系统；⑵采集挠度检测数据、⑶检测数据处理，得到挠度影响线f1(x)；⑷对挠度影响线处理，得到挠曲率曲线f1”(x)；⑸判断是否突变；⑹判断损伤位置和损伤数量。损伤量化分析模块包括：⑴建立数值仿真模型；⑵构建n种损伤工况，每种损伤工况构建m个损伤程度，⑶得到不同损伤程度的挠度值，明确挠曲率—损伤程度关系曲线；⑷得到架桥机主梁的挠曲率‑损伤程度关系式。本发明解决了架桥机主梁结构损伤无法及时发现、易引起重大安全事故的问题。

摘要： 本文提供了一种车辆损伤识别模型建立方法、损伤识别方法及装置，所述方法包括：确定训练集数据，提取所述历史损伤图片中浅层图像特征和深层图像特征；将所述深层图像特征输入到自适应感受野选择模型中，得到深层鲁棒特征；将所述深层鲁棒特征和所述浅层图像特征融合处理得到所述历史损伤图片的目标图像特征；将所述目标图像特征输入到车辆损伤识别模型中，得到图像预测分割结果；根据所述图像预测分割结果和所述历史损伤图片对应的损伤分割标签，利用预设损失函数调整所述自适应感受野选择模型和所述车辆损伤识别模型的网络参数，得到训练完成的所述自适应感受野选择模型和所述车辆损伤识别模型，本文能够提高训练模型的高鲁棒性和识别准确性。

摘要： 本发明公开了一种航空发动机叶片损伤识别模型、基于该航空发动机叶片损伤识别模型的叶片损伤识别方法及系统，涉及图像识别技术领域。本发明基于YOLOv4模型进行了改进，构建了航空发动机叶片孔探损伤识别模型，航空发动机叶片孔探损伤识别模型将YOLOv4模型中的主干特征提取网络CSPDarknet53结构替换为VoVNetv2‑39结构，VoVNetv2‑39结构参数量更少、自上而下特征传递路径更短，提高了检测精度，本发明采用改进的YOLOv4模型，实现了叶片损伤的自动识别和定位，且能够在计算能力较差的终端设备适用。

摘要： 本发明属于应变片传感器技术领域，提供一种基于惠斯通全桥原理的结构损伤识别传感器及结构损伤识别方法，该结构损伤识别传感器包括电阻应变传感器s1、电阻应变传感器s2、电阻应变传感器s3、电阻应变传感器s4、柔性基底、保护层和导线。本发明将四个电阻应变传感器进行组合并根据惠斯通全桥原理连接成一种组合式传感器，结合模态参数算法进行结构损伤识别，有效提高测量的灵敏度和精确度，稳定性较好；且各电阻应变传感器之间进行温度自补偿，不需要连接额外的温度补偿片。本发明的结构损伤识别传感器可以测量多个方向的应变，蕴含结构的损伤信息更加丰富；制作简单，成本低，有利于应用在结构损伤识别方面。

摘要： 本发明公开了一种基于损伤诊断指标非线性窄域特征的桥梁损伤识别方法，所述方法采用健康状态下的结构响应数据构建具备非线性窄域特征的结构损伤诊断指标，通过获得具备非线性窄域特征的结构损伤诊断指标，结合基于K段主曲线算法的分段线性化方法和局部主成分分析方法，构建结构损伤诊断特征，建立结构损伤判别因子，找出其中的损伤阈值。通过带诊断状态下的结构损伤判别因子与损伤阈值进行对比，从而判断桥梁结构是否发生损伤。本发明解决了多种环境因素和荷载作用对多重超静定桥梁结构运营状态实时监测的影响，导致桥梁结构损伤识别有效率低的缺点。

摘要： 本公开提供了一种车辆损伤检测模型的训练方法及车辆损伤识别方法，涉及人工智能领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：从多张包含车辆的待处理图像中获取标签图像和无标签图像，并基于标签图像对第一初始模型进行训练，得到第一目标模型，其中，第一初始模型用于处理具有标签的图像，基于第一目标模型对无标签图像进行预测，得到无标签图像对应的伪标签，从而根据标签图像、无标签图像，以及无标签图像对应的伪标签，对第二初始模型进行训练，得到第二目标模型，其中，第二目标模型用于对车辆进行损伤检测，第二初始模型用于处理无标签的图像。本公开至少解决了现有技术中生成的车辆损伤监测模型鲁棒性差的技术问题。