结构损伤识别

摘要： 结构处于自然环境中常会受到环境温度变化的影响,引起实测动力响应出现较大误差,进一步影响对结构健康状况的判定。另外,基于优化算法的损伤识别在反演损伤位置及量化损伤程度时,易出现局部最优解,且计算效率低下。针对以上难题,本文提出一种结合支持向量机与强化飞蛾扑火优化算法的损伤识别方法,用于对环境温度影响下的结构稀疏损伤进行识别。该方法首先采取支持向量机对环境温度变化进行量化分析;随后引入稀疏正则化确定稀疏损伤工况;接着将获得的环境温度变化及损伤工况信息作为强化飞蛾扑火优化算法的初始种群生成依据,从而得到针对实际损伤的初始种群用于缩小算法搜索空间,提高计算效率。最后采用基于频率的结构多损伤定位保证准则及模态应变能基本因子构建目标函数,通过考虑环境温度及随机噪声双重影响的简支梁数值算例以及I-40钢-混组合体系桥梁工程实例验证了本文所提方法的可行性。

摘要： 为了利用结构振动响应的时间多尺度特征来提升卷积神经网络识别结构损伤的能力,给出了两种用于结构损伤识别的多尺度卷积神经网络,即多尺度输入和多尺度卷积核卷积神经网络。对于多尺度输入卷积神经网络,将通过下采样和滑动平均获取的具有不同时间尺度特征的振动信号输入固定尺寸卷积核的分支卷积神经网络;对于多尺度卷积核卷积神经网络,则将相同的振动信号输入具有不同尺寸卷积核的分支卷积神经网络。然后将各个分支卷积神经网络的输出组合成多尺度特征输入全连接层进行损伤模式的识别。数值试验和振动台试验的结果表明:相比于单一尺度卷积神经网络,多尺度卷积神经网络具有更高的损伤识别精度和抗噪性;对于损伤特征相近的损伤模式具有更好的辨别能力。

摘要： 测量噪声、建模误差等不确定性因素会影响损伤识别结果,甚至导致损伤误判的问题。为此,提出基于频响函数和云模型相似性度量的不确定性损伤识别方法。首先基于多次重复测量数据,根据频响函数理论计算结构损伤前后各单元的损伤系数,采用损伤前后云模型期望曲线的相似程度来构造损伤位置识别指标,识别结构的损伤位置。其次,利用单元损伤前后的云模型数字特征变化量来构造损伤程度指标,确定损伤单元的损伤程度。以23杆桁架结构数值算例验证该方法的可行性及可靠性,探讨原始样本个数、噪声程度对识别结果的影响,并研究在无健康工况数据条件下所提方法的识别效果。研究结果表明:与传统的云模型相似性度量方法中的夹角余弦法相比,所提算法可以更好地处理损伤识别过程中的不确定性问题,且仅需少量样本即可准确识别出单元的损伤位置及损伤程度,具有一定的工程应用价值。

摘要： 基于模态参数的结构损伤识别方法是振动损伤识别领域中应用最为广泛的方法。利用模态参数灵敏度构建结构损伤方程组,对其进行求解可以识别结构损伤位置和程度。由于实际工程中模态参数不完备性和噪声的影响,结构损伤方程易出现病态问题,直接求解可能产生错误的结果。为了解决这一问题,可以引入正则化方法进行求解。然而,各类正则化方法的基本原理、区别和联系及其在结构损伤识别中的应用没有系统的研究和对比。本文梳理了几类常用的正则化方法,对比分析其在基于模态参数灵敏度的损伤方程组求解中的适用性,讨论损伤程度、噪声水平和测点数目对几类方法识别结果的影响,为结构损伤识别中的正则化方法选择提供依据。通过连续梁和框架结构数值算例分析表明,在求解损伤方程的应用中,L1范数正则化方法鲁棒性较强,贝叶斯正则化方法次之,奇异值截断算法和L2范数正则化方法的鲁棒性较差;L1范数正则化方法能够产生更少的假阳性损伤单元,受噪声和测点数目影响较小,更适合损伤识别的应用。

摘要： 基于贝叶斯估计的结构物理参数识别中,传统马尔可夫蒙特卡洛抽样(MCMC)在解决高维密度函数问题时往往存在抽样效率低、不收敛等问题。采用嵌套抽样方法代替传统的马尔可夫蒙特卡洛抽样,解决了结构物理参数识别中高维后验联合概率密度函数问题。首先从结构加速度时程响应时程出发,建立了后验联合概率密度函数,然后重新定义了结构参数先验分布与似然函数,实现了基于嵌套抽样的结构物理参数识别。采用该方法分别对10层剪切结构数值模型与3层RC框架结构振动台试验模型进行识别,得到了结构刚度及阻尼比等参数,并与试验现象进行了对比。结果表明,该方法可以解决贝叶斯公式高维后验联合概率密度函数问题,且能高效识别结构物理参数,同时也验证了该方法在真实结构物理参数识别与结构损伤识别中的适用性与可靠性。

摘要： 为预防桥梁坍塌所造成的损失,设计一种以静力应变数据作为损伤识别因子的识别方法,并以实际桥梁的有限元模型为研究对象,通过有限元分析获取该模型的静力应变数据,训练并测试BP神经网络。MATLAB仿真测试表明:基于BP神经网络结构损伤识别算法能够准确地识别损伤位置和损伤程度,同时将该方法用于实际桥梁能够反映桥梁的健康状况。

摘要： 传统稀疏贝叶斯学习算法进行损伤识别时需要对每个单元进行刚度损伤系数的迭代更新,当结构单元众多时,存在计算效率低和对振型的完备性要求高等问题。本文提出了损伤识别两步法,首先利用应变模态差指标进行疑似损伤单元的判断;接着以单元刚度损伤系数为目标参数,建立结构损伤识别的多层次稀疏贝叶斯学习模型,利用稀疏贝叶斯学习算法进一步识别疑似损伤单元的损伤位置以及程度。以一个空间网架结构为对象,针对单位置损伤和多位置损伤情况验证了该方法的有效性。

摘要： 目前作为结构健康监测系统核心的损伤识别大多是基于模态参数变化而进行的,但模态参数对局部损坏不敏感,导致损伤识别精度不够。波在结构中的传播状态可以更好地反映局部损伤状况,波动能量可以作为损伤识别的有效指标。为了提高环境激励下结构损伤识别的精度,采用S变换分析了结构输出信号,建立波动能量指标,从而使波动能量指标的使用领域扩展到非平稳信号范围。最后通过三层钢框架试验及弹性分层剪切梁的数值模型对该方法进行了验证,结果表明:该方法不仅能够有效识别结构损伤位置,而且能够识别出损伤程度。

摘要： D-S(Dempster-Shafer)证据理论具有较高的处理不确定信息的能力,但在证据高度冲突的情况下会出现与实际情况相悖的结果。针对这一问题,本文提出了一种改进D-S证据理论算法。首先分析了经典D-S证据理论面对高冲突证据时存在组合矛盾、一票否决、鲁棒性差的问题,然后引入灰色关联度理论和可信度概念获得各证据所占权重,定义评判标准来识别与处理故障信息源,较大程度上减少非相关证据的权重,修正各证据的重要程度,最后利用Dempster组合规则进行融合。结果表明:该算法可以有效解决经典D-S证据理论存在的问题,其评判标准可以准确识别出故障信息源,通过对故障信息源的处理可显著提高融合结果命题信任度和收敛速度。横向对比其他改进算法,本文算法具有收敛速度更快、抗干扰能力更强的优点。通过对钢梁有限元模型的损伤识别计算,验证了本文算法可以应用于桥梁结构的损伤识别中,并具有准确识别结构损伤情况的能力。

摘要： 采用粒子群算法识别结构损伤时,取得的实际最优解易被局部最优解覆盖。将局部最优解用于结构损伤识别,致使产生识别结果精度低、误判率高等问题。将S型动态变化的学习因子c_(1)和c_(2)引入到粒子群算法中,可使粒子快速、准确地收敛到全局最优解。该方法通过优化个体粒子和群体粒子的学习能力,有效提高了粒子群的寻优效率,实现了结构损伤的高精度识别。数值模拟结果表明:提出的新方法在结构损伤识别方面具有识别精度高、误判少、鲁棒性好等优点,可用于结构单一单元损伤或多单元损伤的识别。研究成果为结构损伤识别及结构健康监测提供了新思路。

摘要： 对于当前已有的和正在研究的结构损伤识别方法进行了总结，对基于模型的损伤识别方法、基于智能的损伤识别方法，以及基于统计方法的损伤识别方法作了详细介绍，最后对结构损伤识别的发展趋势进行了展望。

摘要： 综述了基于振动分析的损伤识别方法,对现有方法进行了评述,结构损伤识别不仅要判断损伤是否存在，而且要确定损伤的位置、分析损伤程度。振动分析损伤识别技术归纳起来具体有以下几种方法:基于固有频率的方法，基于振型的方法，传递函数法，基于刚度变化的损伤识别算法，基于柔度变化的损伤识别算法，基于小波分析的方法，基于残余力向量的方法等，根据国内外文献,分析了各方法的优点和不足之处,并对此领域研究的发展进行了展望.现有的方法多数需要对结构进行模态试验以获得模态数据，这对大型的复杂的结构是困难而不经济的，而且也不能用于在线监测。发展利用结构在环境激励下的振动数据来识别损伤的方法是目前的一个迫切任务。

摘要： 近年来,扩展卡尔曼滤波方法(EKF)已被大量应用于结构损伤识别。此方法由于扩展状态向量同时包含状态向量和结构参数导致计算收敛困难而只能识别有限的结构参数。为克服此问题，本文提出了一种基于两步卡尔曼滤波估计的全新的大型结构分散损伤识别方法。大型结构由于结构参数繁多被划分为若干个子结构，以增加识别系统稳定性和计算效率，继而运用两步卡尔曼滤波估计方法在输入输出部分未知的情况下对各子结构分别进行参数识别，计算效率进一步提高。本方法中结构的状态向量作为结构参数的隐函数，运用两步卡尔曼滤波先后估计出下一时刻结构参数和结构状态，以此递推即可得到结构任一时刻结构状态和收敛的结构参数。最后，本文通过一个大型平面桁架桥的损伤识别数值算例证实了该方法的可行性和有效性。

摘要： 本文提出了一种部分观测下的大型结构分散损伤识别技术。在该方法中，大型结构被划分成若干个子结构，通过结合使用扩展的卡尔曼估计和最小二乘估计，本方法不仅可以估计外部未知激励还可识别结构的各动态参数。而结构的损伤亦可通过跟踪结构动态参数的变化比如刚度下降等进行识别。最后，本文通过一个大型平面桁架桥的损伤识别数值算例证实了该方法的可行性。

摘要： 近年来，通过结构的动力参数（主要是刚度参数）的变化，进行结构损伤的识别引起广泛关注。然而在实际结构健康监测中，不可能安置大量的传感器对结构上的所有外部激励和结构响应进行测量。本文依次采用扩展卡尔曼对增广状态向量进行估计并使用最小二乘估计法对未知外激励进行递推,以此进行在未知激励下的结构参数的识别。数值算例表明,该方法对激励部分未知、观测有限的结构，能够很好识别结构参数且具有较高的精度。这样可通过结构参数的变化，从结构局部损伤进行有效的识别与定位。此外，在顶层未知激励作用下的三层剪切框架的实验中，利用该方法，仅需观测部分响应，便有效的对各种损伤工况下的结构进行参数识别。此方法与以往的方法相比,避免了较繁琐的数学推导与分析计算，因而适合于嵌入无线智能传感器中，利用其微处理器的计算功能，实现对结构损伤的自动识别。

摘要： 结构多尺度有限元模型可以在不同尺度上描述结构整体、关键构件及局部热点处的力学行为，建立结构多尺度模型是当前结构健康监测和状态评估中的研究热点，是结构损伤识别或破坏过程仿真分析中的重要数值方法。本文简要讨论了多尺度模型的分类及其建模特点，给出了基于自由度耦合的一致多尺度模型的建模过程。从结构整体模型误差识别、关键结构中的误差定位以及局部热点处的误差参数修正三个方面，探讨多尺度模型在不同尺度上的修正技术。综合运用多重子步误差定位方法以及子结构技术，结合复域灵敏度分析技术，采用自顶向底模式实现多尺度模型的修正。在局部热点区域，利用子结构回代技术，实现整体测量信息的局部化处理，依据局部热点处的应力或位移信息，采用复域灵敏度分析方法，实现结构参数的修正。本文的方法可以对结构的损伤破坏过程在不同尺度上进行识别，为结构的状态评估提供重要的理论基础。

摘要： 由啄木鸟捕食的过程得到启发，本文讨论了一种基于敲击扫描方式的梁式结构损伤检测方法。此方法利用一种敲击装置对梁式结构进行扫描，然后通过模式识别算法检测出结构中的损伤。该方法具有精度高、抗干扰性强、检测效率高的优点，而且检测时不影响结构的正常使用。本文主要通过理论分析得到损伤与扫描平台响应之间的关系，并用数值模拟进行了验证，为进一步的实验测试打好了基础。

摘要： 频率的降低通常反映结构整体刚度的降低，并在一定程度上反映结构整体受损的状态。而频率又是结构动力特征中最容易测得的量，同时准确度也最高，因此，通过频率的变化来评价结构的健康状况具有很强的现实意义。本文试图将结构的受损程度与结构自振频率的变化联系在一起，并将此应用于震后房屋应急评估中，通过房屋自振频率的变化来评定房屋的地震破坏等级，工程实例说明该方法的结果令人满意。

摘要： 本文的研究目标是从结构损伤识别的需要出发探讨能够准确反映钢构件承载过程中发生的塑性变形和损伤的量化测试方法。用漫反射法测量了钢构件在其承载过程中表面粗糙度变化的图像，依据记录下来的表面图像进一步处理得到构件表面粗糙度的平均灰度值的变化，据此寻找对构件塑性变形和损伤状态相关并且敏感的参数指标，并且研究其测试方法。研究结果可以发现，基于漫反射法和图像处理方法得到的钢构件承载过程中表面粗糙度的平均灰度值的变化可以判断金属试样是否发生了塑性变形，同时还可以用它来定量描述结构在塑性变形后期的损伤程度。

摘要： 随着大跨度桥梁数量及重要性的增加,桥梁损伤识别成为学界的研究热点.文中应用小渡分析提取桥面的一阶振型,推导了梁式结构由不等间距位移模态向曲率模态转化的乘子矩阵DTOC,由损伤前后曲率模态的变异特征构造了梁式结构单损伤情况的普适概率神经网络,使之可以识别无训练样本时的损伤位置.通过数值仿真计算了某斜拉桥有限元模型桥面单元刚度折减前后在模拟脉动风荷载下的桥面板关键点的振动时程,讨论了小波参数识别技术和该普适概率神经网络的联合应用在不同级别的测量噪声影响下的斜拉桥桥面板损伤识别效果,说明在振动测量信号的信噪比达到一定要求时该方法具有实际效果.

摘要： 本发明公开一种板梁结构载荷识别和损伤识别的多功能试验台，包括T型槽平台、支撑装置、可移动升降台，支撑装置包括支撑立柱，支撑立柱的底部安装在T型槽平台上，支撑立柱有4个，两排两列排布，可移动升降台可拆卸安装在T型槽平台上、可移动升降台的顶面设有激振器A。本发明可同时用于板、梁结构试样的载荷识别和损伤识别研究，也可以为结构动态特性参数的识别和结构优化等方面的理论应用研究提供基础。

摘要： 本发明公开了一种基于正逆向损伤特征融合的结构件损伤识别方法，该方法包括如下步骤：S1、结构件易损伤位置残余应力的实时测量；S2、基于实时残余应力值的递进因子畸变率计算；S3、基于递进因子畸变率的损伤位置粗选；S4、基于裂纹萌生‑扩展临界判据的结构件是否损伤判定；S5、基于裂尖能量释放过程的结构件损伤程度判定；S6、基于正向损伤程度判定与逆向递进因子畸变率的损伤识别。该方法检测精度高，对于实现结构件损伤识别具有重要的现实意义。

摘要： 本发明公开一种板梁结构载荷识别和损伤识别的多功能试验台，包括T型槽平台、支撑装置、可移动升降台，支撑装置包括支撑立柱，支撑立柱的底部安装在T型槽平台上，支撑立柱有4个，两排两列排布，可移动升降台可拆卸安装在T型槽平台上、可移动升降台的顶面设有激振器A。本发明可同时用于板、梁结构试样的载荷识别和损伤识别研究，也可以为结构动态特性参数的识别和结构优化等方面的理论应用研究提供基础。

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： 本实用新型公开一种板梁结构载荷识别和损伤识别的多功能试验台，包括T型槽平台、支撑装置、可移动升降台，支撑装置包括支撑立柱，支撑立柱的底部安装在T型槽平台上，支撑立柱有4个，两排两列排布，可移动升降台可拆卸安装在T型槽平台上、可移动升降台的顶面设有激振器A。本实用新型可同时用于板、梁结构试样的载荷识别和损伤识别研究，也可以为结构动态特性参数的识别和结构优化等方面的理论应用研究提供基础。

摘要： 本发明提供了一种基于时间序列符号化的结构损伤识别系统与识别方法，涉及大型土木工程结构物健康监测技术领域。针对现有的结构健康监测方法存在数据量大，计算复杂、易漏报及不能即时识别结构损伤的问题。方法：一、收集结构非健康状态序列柱状图并储存；二、获取当前待监测结构的实时加速度时程数据并处理生成实时状态序列柱状图；三、判断实时状态序列柱状图与结构非健康状态序列柱状图是否匹配，当判断结果为是时，表示当前待监测结构有损伤，当判断结果为否时，表示当前待监测结构为健康状态。本发明减小了系统功能单元间的数据传输量，提高了数据传输速度，并保证结构所有异常状态均可被识别，杜绝了漏报现象，保证了判断结果的准确性。

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： 本发明提供了一种基于损伤力学的复合材料结构损伤识别方法，包括：建立复合材料结构的有限元模型并修正；获取未损伤的复合材料结构的位移模态，并结合修正后的有限元模型求解未损伤的复合材料结构的单元应变能；获取损伤的复合材料结构的位移模态，并结合修正后的有限元模型求解损伤的复合材料结构的单元应变能；根据未损伤的复合材料结构的单元应变能和损伤的复合材料结构的单元应变能对复合材料结构的损伤位置进行定位识别；利用损伤力学选取复合材料结构的多个损伤参量对复合材料结构的损伤位置的损伤程度进行定量化识别。本发明能够实现对复合材料结构损伤的定位和定量化识别，并能够提高识别的效率，增加对复合材料结构损伤识别的针对性。

摘要： 本发明提供了一种基于时间序列符号化的结构损伤识别系统与识别方法，涉及大型土木工程结构物健康监测技术领域。针对现有的结构健康监测方法存在数据量大，计算复杂、易漏报及不能即时识别结构损伤的问题。方法：一、收集结构非健康状态序列柱状图并储存；二、获取当前待监测结构的实时加速度时程数据并处理生成实时状态序列柱状图；三、判断实时状态序列柱状图与结构非健康状态序列柱状图是否匹配，当判断结果为是时，表示当前待监测结构有损伤，当判断结果为否时，表示当前待监测结构为健康状态。本发明减小了系统功能单元间的数据传输量，提高了数据传输速度，并保证结构所有异常状态均可被识别，杜绝了漏报现象，保证了判断结果的准确性。

摘要： 本发明公开了一种含非比例结构阻尼框架‑剪切结构损伤识别方法及系统。所述损伤识别方法利用类模态将振动微分方程在频域上解耦，得到含非比例结构阻尼系统的模态参数识别方程，使用Levenberg‑Marquardt算法对模态参数识别方程进行迭代求解，得到模态参数识别值；进而结合模态参数的灵敏度分析，使用Trust‑Region‑Reflective算法对损伤识别问题进行优化求解，得到损伤参数的识别值。采用本发明所提供的含非比例结构阻尼框架‑剪切结构损伤识别方法及系统能够有效识别结构模态参数和结构损伤参数。