基于改进指标的结构损伤程度识别研究
基于模态应变能变化率结构损伤定位法的改进
Ｉ ｐｒ ｖ ｍ ｅ ｔｏ ｔ ｕ ｔ ｒ ｍ ａ ｅ Ｄｅ ｅ ｔｏ Ｍ ｅ ｈ ｄ Ｂａ ｅ ｍ ｏ ｅ ｎ ｆＳ ｒ ｃ ｕ ｅ Ｄａ ｇ ｔ ｃ ｉ ｎ ｔ ｏ ｓ ｄ ｏ ｏ ａ ｔ ａ ｎ Ｅｎ ｒ ｙ ｎ Ｍ ｄ ｌＳ ｒ ｉ ｅ ｇ
Ｚ ＨＡＮＧ ｎ，Ｓ Ｙｕ —ｅ ， Ｆ Ｂｉ Ｕ ｎ ｌｉ ＡＮ ｎ Ｋａ ｇ
这 些损 伤不及 时发 现 ， 导致 损伤 积累 ， 会 最终 导致结 构 的破 坏ｌ 。 因此 ， 结 构 损 伤识 别 的研 究 显得 尤 １ ｊ 对 为 重要 。结构 的损 伤识 别是通 过对 结构 损伤 指标 的 测 试 、 算与 分析 ， 断 出结 构是 否 发 生 了损 伤 、 计 判 定 位损 伤位 置 和估计 损 伤 程 度 ， 而对 结 构 的可靠 性 进
和多损伤两种损伤工况 。经过数值验算 发现 ， 该方法 能够定 位不 同的损伤工 况 ， 且方 法简便 ， 具有较 高
的精度 。 关键词 ： 损伤结构 ； 损伤定位 ； 态应 变能 ； 模 损伤程度
中 图分 类 号 ： Ｕ １ ． Ｔ ３７ ９ 文献标识码 ： Ａ 文 章 编 号 ：１７— １４ （【２ ｏ— ０４ 一 ｏ ６２ １４ ２ ｌ）５ １７ ４ 】
ｓｏ ｉｎ．
Ｋ ｅ ｗｏ ｄ ｙ ｒ ｓ：ｄ ｍ ａ ｅ ｔｕ ｔ ｒ ａ ｇ ｄ ｓｒ ｃ ｕ ｅ； ｄ ｍ ａ ｅ ｌ ｃ ｔｏ ａ ｇ ｏ ａ ｉ ｎ；ｍ ｏ ａ ｔ ａｎ ｎ ｒ ｙ；ｄ ｍ ａ ｅ ｘ ｅ ｔ ｄ ｌｓｒ ｉ ｅ ｅ ｇ ａ ｇ ｄ ｅ ｔｎ
既有 结构 在 服役 期 会 发 生不 同程 度 的损 伤 ， 若
由上 述分 析 证 明 可 知 ， 过 Ｍ Ｅ Ｒ 的 大小 和 通 ＳＺ ， 正 负情况 可定 位 损 伤 结 构 。 ＭＳ Ｚ 正 值 且 数 若 ＥＲ 为 值 较大 ， 则为 损伤单 元 ， 为 负值 ， 为未 损伤 单元 。 若 则
基于模态应变能的结构损伤识别研究开题报告-总结
论文题目：基于应变模态分析和改进神经网络的结构损伤识别研究损失，防止了桥梁垮塌等重大事故的发生，对保障桥梁的安全运营和延长桥梁的使用寿命起到了至关重要的作用。
下文从损伤指标和损伤算法两方面介绍该课题的国内外研究现状，并描述出基于此研究方法的发展趋势。
2.1损伤指标通过监测桥梁结构的固有频率、振型、应变模态、模态应变能等动力特性的变化，结合模态分析理论准确推断桥梁的健康状况，这些基于结构的动态特性的损伤识别方法都是国内外专家学者的研究对象。
这些方法都需要外部荷载激发出结构的模态，然而不同的损伤识别方法的效率不同、精度不同，排除噪声干扰的能力也不同。
接下来将会对上述方法逐一进行说明，基于固有频率变化的桥梁结构损伤监测识别方法适用于存在损伤、损伤量较大和桥型结构相对简单的桥梁结构进行损伤监测识别。
由于在模拟和试验中相对的结构自由度数和振型的个数不相同，即所测振型并不是有限元模型中完整的振型，从而增加了对桥梁结构损伤检测识别的误差，所以基于振型变化的桥梁结构损伤监测识别方法并非试验所需的理想理论方法。
基于模态应变能的损伤识别方法，其原理是当结构中出现损伤时，其模态应变能会出现耗散。
但是在进行基于模态应变能的损伤指标进行损伤识别，需要获取结构前几阶模态，倘若只单独使用某一阶模态，则不能分辨出模态节点附近的损伤，并且会受到噪声的影响而引起误判。
而应变模态是一种固有的结构振动特性，将其作为损伤指标能够比较灵敏地识别出结构的局部损伤，尤其是模态峰值附近范围内的损伤。
通过对几种损伤识别方法的对比分析，课题选用应变模态作为损伤指标。
但是在桥梁健康监测中可识别获得的模态参数大多为位移模态，当结构中遇到应力集中或局部结构变动对变动区附近的结构产生影响时，通过位移模态并不能获得精确的结果，因此我们需要找到结构在动载作用下应变响应的分布规律即应变模态。
获得应变模态的一种方法是根据位移与应变之间的换算关系，将位移进行一阶求导从而获得应变模态，但这种微分过程将使误差进一步放大。
基于改进蝴蝶优化算法的结构损伤识别
基于改进蝴蝶优化算法的结构损伤识别
周宏元;张广才;王小娟;倪萍禾;王利辉
【期刊名称】《振动.测试与诊断》
【年(卷),期】2023(43)1
【摘要】针对传统的蝴蝶优化算法(butterfly optimization algorithm,简称BOA)全局搜索能力差、收敛速度慢、结构频率对损伤不敏感等问题,提出基于改进蝴蝶优化算法(improved butterfly optimization algorithm,简称IBOA)与小波包能量曲率的结构损伤识别方法。
首先,在传统蝴蝶优化算法基础上引入聚类竞争学习机制和混沌精英学习机制,得到改进蝴蝶优化算法,此算法可以更好地实现局部搜索和全局搜索间的平衡,收敛速度更快、计算精度更高;其次,利用小波包能量曲率建立目标函数进一步提高识别结果精度;最后,分别以简支梁数值算例和8自由度弹簧-质量块实验验证了该方法的有效性。
研究结果表明,即使考虑环境噪声和模型误差等不利因素,所提出的方法仍可以有效识别结构的损伤位置和程度。
【总页数】9页(P164-171)
【作者】周宏元;张广才;王小娟;倪萍禾;王利辉
【作者单位】北京工业大学城市与工程安全减灾教育部重点实验室;北京理工大学爆炸科学与技术国家重点实验室
【正文语种】中文
【中图分类】O327;TU311
【相关文献】
1.噪声影响下基于改进损伤识别因子和遗传算法的结构损伤识别
2.基于扩展有限元和改进海豚回声优化算法的损伤识别方法
3.基于蚁狮优化算法与迹稀疏正则化的结构损伤识别
4.基于互相关函数的聚类蝴蝶优化算法的结构损伤识别
5.环境温度影响下基于支持向量机与强化飞蛾扑火优化算法的结构稀疏损伤识别
因版权原因，仅展示原文概要，查看原文内容请购买。
基于机器学习的结构损伤识别与评估技术研究
基于机器学习的结构损伤识别与评估技术研究随着科技的不断发展，建筑结构的损伤识别与评估变得越来越关键。
传统的损伤检测方法需要大量的人力和时间，而且结果可能不够精确。
然而，近年来，基于机器学习的结构损伤识别与评估技术逐渐成为了研究的热点。
本文将探讨基于机器学习的结构损伤识别与评估技术的原理和应用。
一、机器学习在结构损伤识别中的应用机器学习是一种人工智能的分支，它通过从数据中学习并建立模型，对未知数据进行预测和分类。
在结构损伤识别中，机器学习可以通过分析结构的振动特征，识别和评估结构的损伤情况。
以下是机器学习在结构损伤识别中的几种常见方法：1. 支持向量机（Support Vector Machine，SVM）支持向量机是一种监督学习方法，它通过寻找最佳的超平面，将不同类别的数据点分隔开。
在结构损伤识别中，SVM可以通过分析振动信号的特征参数，如频率和振幅，判断结构的损伤程度。
2. 随机森林（Random Forest）随机森林是一种集成学习方法，它通过构建多个决策树并综合它们的结果来进行预测。
在结构损伤识别中，随机森林可以通过分析结构的振动响应和频谱特征，判断结构的损伤位置和类型。
3. 深度学习（Deep Learning）深度学习是一种基于神经网络的机器学习方法，它模仿人脑神经元的工作方式，通过多层次的神经元网络来提取和学习数据的特征。
在结构损伤识别中，深度学习可以通过分析结构的振动信号和图片信息，实现对结构损伤的自动识别和评估。
二、基于机器学习的结构损伤识别与评估技术的优势基于机器学习的结构损伤识别与评估技术相比传统方法具有以下几个优势：1. 自动化：机器学习可以通过对大量数据的学习和分析，实现对结构损伤的自动识别和评估，大大减少了人力成本。
2. 高效性：机器学习算法可以快速处理大量的数据，并在短时间内给出准确的结果。
3. 精确性：机器学习可以通过建立合适的模型，从大量的数据中提取有用的特征，并实现对结构损伤的精确识别和评估。
基于改进布谷鸟搜索算法的架桥机结构损伤识别
（ １ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ， Ｅ ｌ ｃｔ ｅ ｒ ｏ ｎ ｉ ｃ ａ ｎ ｄ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ４ ４ ，Ｃ ｈ ｉ ｎ ａ ；
ｇ ｏ ｒ ｉ ｔ ｈ ｍ（ Ｉ Ｃ Ｓ Ａ）ｉ ｓ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｅ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｄ ｙ ｎ ａ ｍｉ ｃ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｂ ａ ｂ ｉ ｌ ｉ ｔ ｙ ，ｓ ｔ ｅ ｐ ｌ ｅ ｎ ｇ ｔ ｈ ａ ｎ ｄ ｌ ｅ ｖ ｙ ｆ ｌ ｉ ｇ ｈ ｔ
ｔ ｈ ｅ ｎ ａ ｔ ｕ ｒ ａ ｌ ｆ ｒ ｅ ｑ ｕ ｅ ｎ ｃ ｙ ａ ｎ ｄ ｔ ｈ ｅ ｍｏ ｄａ ｌ ａ ｓ ｓ ｕ ｒ ａ ｎ ｃ ｅ ｃ ｒ ｉ ｔ ｅ ｒ ｉ ｏ ｎ（ ＭＡＣ ）ａ ｓ ｉ ｎ ｄ ｅ ｘ ｅ ｓ ｏ ｆ ｄ ａ ｍａ ｇ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｉ ｎ ｖ ｉ ｅ ｗ
王利英 ， 一 ， 杨绍普３ ， 赵卫 国２
（ １ ． 北 京交 通大学 机械 与电子控制工程学 院， 北京 １ ０ ０ ０ ４ ４ ；
２ ． 河北 【程大学 水电学院 ， 河北 邯郸 ０ ５ ６ ０ ３ ８ ； ３ ． 石家庄铁道大学 机械工程学院 ， 河北 石家庄 ０ ５ ０ ０ ４ ３ ）
摘 要： 针对架桥机结构损伤的特点及布谷鸟搜 索算法存在 收敛速度慢 、 缺乏活力等 问题 ， 从动态 发 现概 率 、 步长和 莱维 飞行 三个方 面对 布谷 鸟搜 索算 法进 行 了改进 ． 以Ｔ Ｌ Ｊ ９ ０ ０型 架桥 机 的 主 梁为
免疫遗传算法在结构损伤识别中的应用与改进
Ａｂ ｔ ａ ｔ Ｉ ｏ ｄｅ ｏ ｏｌ ｅ ｓ ｒ ｃ ｕ ａ ｕ ｔ— ｍａ ｅ ｄｅ ｔｆｃ ｔｏ ｐ ｏｂ ｅ ， ａ ｗｏ ｓ ａ ｅ ｍ ｅ ｈｏ ｂ ｓ ｄ ｎ ｓ ｒ ｃ ：ｎ ｒ ｒ ｔ ｓ ｖ ｔ ｕ ｔ ｒ ｌ ｍ ｌｉｄａ ｇ ｉ ｎ ｉｉ ａ ｉ ｎ ｒ ｌ ｍ ｔ — ｔ ｇ ｔ ｄ ａ ｅ ｏ
Ｂａ ｅ ｉ ｎ ｔ ｏｒ ｎ ｍ ｍ ｕ ｎｅ ｉ ｌ ｏｒｔ ｙ ｓａ ｈｅ ｙ ａ ｄ ｉ ｎｅ ｇｅ ｔｃ ａ ｇ ｉｈｍ （ ＧＡ ） ｉ ｒ ｓ ｎｔ ｄ． Ｆｉｓ ｌ Ｉ ｓｐ ｅ ｅ ｅ ｒ ｔｙ，ｓ ｒ ｃ ｕｒ １ｍ ｏｄ Ｉｓ ｒ ｉ ｎ ｒ ｔ ｕ ｔ ａ ａ ｔ ａｎ ｅ ｅ ｇｙ ａ ｒ ｑ ｎ ｙ ｒ ｃ ｎｄ ｆ ｅ ｕｅ ｃ ａ ｅ ｏｎｓｄ ｒ ｄ ｓ ｗ ｏ ｉ ｅ ｅ ａ ｔ ｋｉ ｓ ｆ ｎ ｏ ｍ ａ ｉ ｎ ｏ ｃ ｓ， ａ Ｂａ ｅ ｉ ｎ ｈｅ ｙ ｓ ｔｌｚ ｄ Ｏ ｎｄ ｏ ｉ ｆ ｒ ｔｏ ｓ ｕｒ ｅ ｎｄ ｙ ｓａ ｔ ｏｒ ｉ ｕ ｉｉｅ ｔ
ａ ｅ ｐ ｅ ｅ ｅ ． Ｉ ｓ ｓ ｏｗ ｎ ｔ ａ ｈｅ ｔ ｏ ｓ ａ ｅ ｈｏｄ ｃ ｎ ｐｒ ｃｓ ｌ ｄ ｎｔｆ ｔ ｕ ｔ ｒ ｌｄａ ａ ｅ ｌ ｃ ｔｏ ｎｄ ｒ ｒ ｓ ｎｔ ｄ ｔｉ ｈ ｈ ｔｔ ｗ — ｔ ｇｅｍ ｔ ａ ｅ ｉ ｅｙ ｉ ｅ ｉｙ ｓ ｒ ｃ ｕ ａ ｍ ｇ ｏ ａ ｉ ｎｓ ａ ｅ ｅ ｔ ａ ｄ ｔ ａ ｃ ａ ｅ ｅ ｕｌｓ ｏ ｈ ｒ ｐｏ ｅ ｍ ｐ ｏｖ ｄ Ｉ Ａ ｒ ｂｖ ｏ ｌ ｔ ｅ ｈａ ｈｏ ｅｏ ｏｔ ｈｅ ｘｔ ｎ ， ｎ ｈｅ ｃ ｌ ｕｌ ｔ ｄ ｒ ｓ ｔ ｆｔ ｅ ｐ ｏ ｓ ｄ ｉ ｒ ｅ Ｇ ａ ｅ ｏ ｉ ｕｓ ｙ ｂｅ ｔ ｒ ｔ ｎ ｔ ｓ ｆｂ ｈ ｔ ｂ ｓ ｃＩ Ａ ｎｄ ｓｍ ｐ ｅ ｇ ｎｅ ｉ ｌ ｏ ｉｈｍ ． ａ ｉ Ｇ ａ ｉ ｌ ｅ ｔｃ ａ ｇ ｒｔ
改善桥梁结构损伤识别系统的分析与思考
基于结 构振 动 特 性 （ 力 指 纹 ） 化 的损 伤 识 别 动 变
方 法 以 振 动 模 态 试 验 、 振 试 验 为 基 础 ， 基 本 原 理 激 其
是 ： 据结构 动力学 方 程 ， 构 中特定部 分 的质量 和 刚 根 结
度 的损 失 ， 在 自振 频 率和振 型 的测量 中有 所反 映 ， 将 当
铁 ２１ ０ ０年 第 ９期
道
建
筑
４１
Ｒａ ｌ ｙ Ｅｎ ｉ ｅ ｉ ｇ ｉｗａ ｇ ｎｅ ｒ ｎ
文章编 号 ：０ ３１９ （ ０ ０ ０ —０ １ ２ １０ — ５ ２ １ ） ９０ ４ — ９ ０
改 善 桥 梁 结 构 损 伤 识 别 系 统 的 分 析 与 思 考
崔 飞 ， 清 远 陈 宜言 石 宵爽 王 ， ，
对 象 ， 于矩 阵摄动 方法 求 出矩 阵的摄 动值 ， 基 见诸 于文 献 的有 最佳 矩 阵法 、 敏 度 法 、 征 结 构分 配 法 、 灵 特 混合 法等 ； 另一 种方法 则 是 以结 构 的物 理 参 数作 为识 别 对 象 ， 弹性模 量 、 面 惯性 矩 、 量 、 如 截 质 阻尼 等 ， 据 结 构 根 响应信 息 、 目标 函数 的构 造 、 束条 件 以及优 化求 解方 约 法 的不 同 ， 近年来 发展 了系列 的求解 方法 。 然 而 由于理 论与 实 践 在 一 定 程度 上 的脱 节 、 试 测
别 方 法
技术 的相 对 滞后 、 法结 构 的稳 定 性及 抗 干扰 性 相 对 算 欠 缺等 因素 ， 特别 是对 于桥 梁一 类大 型土 木结 构 ， 损 其
伤包 括结 构 的受力 裂缝 、 键构 件 的锈蚀 、 关 预应 力 的损 失、 支承 系统 的失效 、 构 构件 的异 常 变 位 、 结 构 连 结 钢 接 的松弛 或失 效 、 多梁 桥 的横 向连接失 效 、 结构 在正 常
一种基于改进PSO算法的结构损伤识别方法
２ ｅ ａｔｅ ｔ ｆ ｃａｉｓ ｎ ｉｌ ｎ ｉ ｅ ｎ ， ｉａ ｎｖｒ ｔ，Ｇ ａｇｈ ｕ５０ ３ ， ｈｎ ） ．Ｄ ｐ ｒ ｎ ｈｎｃ ｄＣｖ ｇ ｅｒ ｇ Ｊ ｎＵ ｉ ｓｙ ｕ ｎｚｏ １６ ２ Ｃ ｉ ｍ ｏ Ｍｅ ａ ｉＥ ｎ ｉ ｎ ｅｉ ａ
成 的粒 子群 ， 每个 粒 子 由位 置 和速 度 决 定 其 飞行 的 速 度 和方 向 ， 时 由一 个 被 优 化 函数 决 定 的适 应 值 决 定 同
振 动 与 冲 击
２１ ０ ２年第 ３ 卷 １
解 的优 劣程 度 ， 每一 次 迭 代 粒 子 通 过 动 态 跟 踪 个 体 极 值 ｐ ｅ 全 局 极 值 ｇ ｅ 更 新 自己 的速 度 和 位 置 ， ｂｓ 和 ｔ ｂｓ 来 ｔ
ｐｏｏｅ ｔｏ ａ ａ ｙａ ｖｎａｅ ， ｕｈ ａ ， ａｔｒ ｏｖ ｒｅ ｃ ｆ ｂ ｃ ｖ ｎ ｔ ｎ ｅ ｅ ｅ ｔ ｃｔ ｎａｃ ｒｃ ， ｒｐ ｓｄｍｅ ｄｈ ｓｍ ｎ ｄ ａｔｇｓ ｓｃ ｓ ｆｓ ｎ ｅｇｎ ｅｏ ｊ ｔ ｅｆ ｃ ｏ ，ｂ ｔ ｒ ｄ ｎｉ ａ ｏ ｃｕａｙ ｈ ｅｃ ｏｅｉ ｕ ｉ ｔ ｉ ｉ ｆ ｉ
Ｃ Ｎ ｅ ＨＵ ｕ — ｕ Ｕ Ｌ ｎ ＨＥ Ｚｈ ｎ ，Ｚ Ｊ ｎ ｈ ａ ，Ｙ ｉｇ
（ ．Ｓｈｏ ｏ Ｃｖ ｎｉｅｒ ｇａ ｄＣ ｍ ｕ ｉ ｔ ｎ Ｎ ａ ｈｎ ｓｔｔ ｏ １ ｃｏｌ ｆ ｉｌ ｇ ｅｉ ｎ ｏ ｍ ｎ ａｉ ， ｏ ｈＣ ｉａＩ ｔｕｅ ｆ ｉＥ ｎ ｎ ｃ ｏ ｎｉ
结构工程中结构损伤识别问题简要分析
结构工程中结构损伤识别问题简要分析一、前言近些年来，国内外学者通过数值模拟、理论分析和模型试验等方法，分别对结构的性能进行了相关的研究，取得了很大的研究进展和有价值的科研成果。
同时，基于结构特性，如何评价受到损伤结构的损伤特性和可靠性，这样可以对结构是否损伤以及是否需修葺做出正确的判断，这也是当今结构工程面临的新课题。
解决这一问题的关键在于对受损结构做出正确的识别与诊断。
对可能出现的损伤特性进行分析，并且对受损结构进行可靠度评估应成为结构研究的一个重要领域。
二、国内外损伤识别与诊断方法现状结构损伤识别最早被应用于机械领域。
对于连杆、齿轮等一系列零件组成的大型机械，人们很早就开始对它们进行结构的故障诊断。
后来到20世纪60年代，结构无损检测技术得到了发展。
80年代后期，计算机技术、信息技术和人工智能等学科的知识不断被应用到结构损伤检测中。
对土木工程结构而言，早期建筑物的损伤出现频率较低。
危害程度远没有机械工程那样高，而且可以允许一定程度的带损伤工作，所以土木工程的损伤检测发展较慢，且多数属于结构可靠性评估。
20世纪初期为探索阶段，主要是对结构缺陷的分析和修理方法的研究。
20世纪中期则为损伤检测的发展阶段，主要对结构检测方法的研究，提出了有损检测、无损检测、物理检测等检测方法。
20世纪70年代以来，结构的损伤检测技术更加完善，制定了相应的规范和标准，并且强调了综合评价，使结构的损伤识别与诊断工向着智能化方向发展。
而我国的土木工程结构损伤识别与诊断发展较晚，主要研究也是在70年代以后，随着结构抗震、抗风研究的发展，才逐步开始结合可靠性评估和安全鉴定进行结构损伤检测方面的研究。
三、损伤检测结构损伤识别是：通过对结构的关键性能指标的测试和分析，判断结构是否受到损伤；如果结构受到损伤，则损伤位置、损伤大小如何；为判断结构能否继续使用及其剩余寿命估计提供决策依据。
结构的损伤识别主要包括4个层次：（1）结构是否发生损伤；（2）对损伤的定位；（3）对结构损伤大小进行评价；（4）对结构的剩余寿命进行估计。
遗传算法在结构损伤识别中的应用研究
遗传算法在结构损伤识别中的应用研究袁 颖1,林 皋1,柳春光1,周爱红2(1.大连理工大学海岸和近海工程国家重点实验室,大连116023; 2.北京交通大学土建学院,北京100044)摘要:结构损伤识别是结构系统在使用期间进行监测和维护的重要组成部分,而基于动态测试技术的结构损伤识别方法又是近来研究的热点。
本文提出了一种基于改进遗传算法的结构损伤识别方法,主要改进包括:浮点编码、基于标准化几何分布排名的选择策略、最优保存策略、算术交叉算子、非均匀变异算子。
在常规模态分析的基础上,以节点的残余力向量构造目标函数,提出了一种用于遗传搜索优化的新的目标函数形式。
利用遗传算法重点进行了噪声条件下的结构损伤定位和定量研究,并用一平面桁架模型进行了数值模拟。
结果表明:提出的方法不仅能够同时进行结构的损伤定位和定量计算,而且抗噪性能很好。
最后,对方法应用中存在的一些问题进行了深入分析,给出了一些有益的结论。
关键词:损伤识别;残余力向量法;噪声;遗传算法中图分类号:T U312 文献标识码:A 文章编号:1672-2132(2005)04-0369-060 引言土木工程结构在长期使用过程中,难免会发生各种损伤。
损伤的原因可能是使用、维护不当等人为因素,也可能是强震,台风,腐蚀,疲劳等自然灾害或老化。
这些因素均导致了结构承载能力和耐久性的降低,甚至影响到正常使用和运营安全。
因此,从安全性和正常使用的角度考虑,定期对它们进行损伤检测和健康监测就显得格外重要。
而结构损伤识别技术是其中最为关键性的环节。
结构损伤识别属于结构工程中的反问题,需要解决3类问题:第一,判断结构有无损伤;第二,确定结构的损伤位置;第三,确定结构的损伤程度[1]。
近年来,利用结构的振动测试数据进行损伤识别的研究是热点和难点问题,学者们对之多有研究[2,3]。
基于结构振动测试的损伤识别方法的基本原理是:结构的模态参数(模态频率、模态振型等)是结构物理特性(质量、刚度和阻尼)的函数,结构物理特性的变化将直接反映模态参数的改变,进而识别损伤。
基于改进神经网络的建筑结构损伤识别方法研究
网络 的输入是 结构 的频 率和 振型 ，神 经 网络 的输
出是 结构 的质量 和 刚度 。一个 简化 的有 限元模 型 用 来产 生神 经 网络 训练所 需 要 的数 据 ，最 后讨 论 了观测 误 差对 损伤 识 别 结果 统计 特 性 的影 响 。 Ｊ
袁 勇 （ ０３ ２ ０ ）运 用系 统识 别 原理 ，结合 混凝 土材 料 的微 观孔 结构 模型 建立 了材 料微 孔 结构 识别 理
的位 置和损 伤程度作为网络输 出， 出了基 于神 经网络的建筑结构损伤识别方法 。讨论了神经网络训练方法和 提 隐含层 节点数 目对 目标函数的影响 ，分析 了网络训练 的训练不足和 训练 过度 等 问题 。以简单 的建筑结构为例 ，
基 于 ＭＡ Ｌ Ｔ ＡＢ 的 ＧＵ 工 具 进 行 了 Ｂ Ｉ Ｐ神 经 网 络 的 设 计 和 分 析 。数 值 反 演 结 果 表 明 ，所 改进 的 建 筑 结 构 损 伤 识
经 网络 主 要是用 于 体现 学 习和信 息 处理 的计 算模 型 ， 自学 习是 它 的一个 重要 的功 能特 征 ，它 可 以
通 过例 子也 可 以通 过和 周 围环境 的相 互作 用 来学
结构动 力模 态和 静 态位 移 的结构 参数 识别 方法 。 陈隽 （０７ ２０ ）利 用 一个 三层 剪切 型结 构模 型在 各
基于不同目标函数的结构损伤识别比较研究
基于不同目标函数的结构损伤识别比较研究摘要：本文研究了不同目标函数对结构损伤识别精度的影响。
结果表明依据MTMAC指标定义的目标函数损伤识别结果精度最高，同时具有良好的鲁棒性。
关键词：模态数据，结构损伤识别，目标函数，鲁棒性1引言目前我国许多桥梁在服役期间会发生各种各样的结构损伤，非常有必要对现役桥梁进行结构健康监测，其中结构损伤识别（Structural damage detection，SDD）是结构健康监测领域的一个重要研究课题[1]。
近年来，人们提出了各种不同的结构损伤识别方法，其中利用模态数据的识别方法得到了广泛的应用[2]。
从结构动力响应中提取的模态数据变化通常用来判断结构是否具有损伤，其中典型的有固有频率、模态振型、模态应变、模态应变能等[3]。
借助于有限元模型法（Finite element，FE），模型修正得到了很大的发展，并在计算中取得了良好的效果。
然而，结构损伤识别结果的准确性很大程度上取决于目标函数的定义[4]。
本文对基于模态数据的不同目标函数的SSD进行了比较研究，并采用粒子群优化（Particle Swarm Optimization，PSO）方法对有限元模型进行了更新，以获得精确的SDD结果，并确定假设情况下的最佳目标函数。
2试验数值模拟2.1简支梁有限元模型在本篇文章中，考虑如图 1 所示的10单元简支梁有限元模型，用于研究不同指标定义目标函数时，简支梁有限元模型的结构损伤时别精度。
其物理参数和几何参数分别设置为：弹性模量E=210GPa，材料密度ρ=7850kg/m3，长度l=3.0m，其横截面为矩形截面，面积A=1.164e-3m2，惯性矩I=7.6165e-7m4，泊松比为0.3。
简支梁模型划分为10个等长度单元，单元类型为两结点四自由度的平面弯曲Euler–Bernoull梁单元。
结构的前五阶频率为23.1858Hz、91.9009Hz、217.3060Hz、348.0799Hz、572.2025Hz。
基于改进单元损伤变量的结构损伤识别概率统计方法
Ｊ １
，
收稿日期：２ １－１－１ ００ ０ ６
作者简介：幸静 （９５ １８ 一），女 ，重庆人 ，硕士研究生 ，研究方向为工程结构损伤检测。 ［８ 第３ 卷 ８１ ３ 第１ 期 ２１— （ ０ １ １ 下）
务ｌ 勺 似
梁作 为仿 真算例 ，以验证概 率统计方 法的有效性 。
式 中 ，风 表 示单 元 无 损 伤 ； 表示 单 元 发 生 Ｈ
损 伤。 在给定 显著 性水 平为 时 ，如 为通 过测 量
１ 改进的单元损伤变量
张 新 亮 Ｈ改 进 了吴 波 刘 晖 等 以单 元 模态
应变 能 构造 的一 种 损伤 识 别 指 标一 单 元 损 伤变 量
Ｐ／＞√ ｊ ｛√ ｝ ／Ｉ 。 叶
由此 可得损 伤识别 临界 值 ：
采 用钢 筋混凝 土简 支梁模 型进 行数 值模 拟 ［】 ９，
务ｌ 訇 似 违
基于改进单元损伤变量的结构损伤识别概率统计方法
Ｂａｓ ｍ ｐ ｏ ｄ ｕｎｉ ｅｄ ｏｎ ｉ ｒ ｖｅ ｔｄａｍ ａｇｅ ｖａｒａｂｌ ｔ ｕｃ ｕｒ ｉ ｅｓ ｓ ｒ ｔ ａｌｄａｍ ａｇｅ ｉ ｅｎ ｊ ａｔｏｎ ｄ ｔ仍ｃ ｉ
ｐｒ ｏｂａｂｉｉｙ ａｎｄ ｓ ａｔ ｓ ｉ ｅｔ ｌｔ ｔ ｉ ｔ ｃｓ ｍ ｈｏｄｓ
（ 。结构 第 Ｊ Ｄ） 个单 元的损 伤变量 可表示 为 ：
Ｅ Ｅ￣ ＭＳ ＂ ＭＳ ＇ 一Ｅ Ｅ
模 态参数 计算得 到 的损伤 结构 第 ｉ 个单 元损 伤变 量
样本 均值 ，令
ｓ＝
（） ５ Ｉ ＳＥ ＥＭ Nhomakorabea ｌ ，
ｌＥＭ Ｓ ＂ ＥＭ ＳＥ＂ 十 Ｅ
结构损伤无损识别研究进展综述
结构损伤无损识别研究进展综述摘要：房屋或桥梁等大型建筑物在服役期间或灾后会产生损伤，日积月累则会产生安全隐患，危害人们的生命和财产安全，因此对结构的损伤情况进行识别具有非常重要的工程价值和实际意义。
目前，国内外在结构损伤识别领域已经获得了很多优秀的研究成果。
本文从超声波法、动力学法和射线检测法三个方面对结构损伤识别方法进行综述。
关键词:损伤识别；超声波法；动力学法；射线检测法;结构健康监测技术一直是国内外学者热衷于研究的话题，目前，国际学术界和工程界越来越关注基于动力学特性的结构损伤识别方法。
这种方法具有实用、快速、简单等优点，因此备受瞩目[1]。
钢筋混凝土梁损伤程度识别是结构健康监测和维护中的一个重要研究领域。
通过对钢筋混凝土梁进行损伤识别，可以及时检测出结构中可能存在的缺陷或损伤，以便及时采取修复或加固措施，保证结构的安全可靠性。
本文主要对常用的损伤识别方法进行一定的归纳和总结。
1 超声波法超声波检测是一种无损检测方法，通过利用缺陷在超声波传播过程中对传播能量和时间产生的变化来检测混凝土内部缺陷。
与声发射检测相比，超声波检测属于主动声纳技术，能够主动检测缺陷。
Alexandre Bogas等[2]研究发现，轻质和普通重量混凝土受到混合设计参数的不同影响。
此外，还通过无损超声波脉冲速度测试对混凝土的压缩强度进行预测。
在国内，混凝土无损检测方面，刘镇清等[3]进行了相关的研究。
周凯等[4]研究并指出混凝土超声波检测主要应用纵波进行检测。
王怀亮、宋玉普[5]应用超声波技术研究了混凝土在受压下的超声波传播特性，测量超声波在加载过程中的传播波速，并提出了荷载和波速之间的对应关系。
王颖轶、左自波等[6]基于超声波无损检测理论,建立了超声波检测混凝土结构强度的预测方法。
与其他检测方法相比，超声波检测具有穿透能力强，损伤定位准确，能有效检测出面积性缺陷，应用范围广泛且灵敏度较高等特点；但因对超声波噪声信号缺乏有效的处理，故超声波成像分辨率有待提高。
基于不确定性的结构损伤识别方法研究综述
基于不确定性的结构损伤识别方法研究综述姜浩;孙海飞;王凯【摘要】基于静动力特性改变的结构损伤诊断方法在过去几十年中发展迅速.与损伤识别的确定性方法相比,损伤识别的不确定性方法能更为有效合理地处理损伤识别过程中涉及的不确定性干扰问题,并从统计意义上实现复杂工程结构健康监测的早期损伤诊断,因此已成为当前结构损伤识别领域的研究热点.在简要回顾了损伤识别确定性方法的基础上,主要介绍了损伤识别不确定性方法的研究进展,并分析了各方法的优缺点,对有待进一步研究的问题及此类方法的发展趋势进行了展望.%Based on changes of static and dynamic structural characteristics,the damage identification methods have developed rapidly in the past few pared with the deterministic damage identification method,the damage identification uncertainty method can more effectively and reasonably deal with the uncertainty interference problem in the process of damage identification,and realize the early damage identification of health monitoring of complex engineering structures from the statistical significance,therefore has become the hot research topic in the field of structural damage identification.On the basis of briefly reviewing the deterministic methods of structural damage identification,this paper mainly introduces the research progress of uncertain damage identification methods,their advantages and shortcomings of these damage identification methods are analyzed.Topics worthy of further study and the development trend of such methods are presented.【期刊名称】《低温建筑技术》【年(卷),期】2017(039)008【总页数】4页(P36-38,45)【关键词】损伤识别;不确定性;概率;统计识别【作者】姜浩;孙海飞;王凯【作者单位】吉林建筑大学土木工程学院,长春130118;吉林建筑大学土木工程学院,长春130118;吉林建筑大学土木工程学院,长春130118【正文语种】中文【中图分类】TU312.3工程结构健康监测与安全状态评估是目前国内外学术界与工程界的热点研究领域，其中结构损伤诊断是结构健康监测的核心技术。
基于改进CHC遗传算法的结构损伤诊断研究
作 为 问题 近似 最优 解 ， 其过 程 如下 。
（ ） 定 目标 函数 及 设计 变量 １确 用 动力 学 方法 进 行 损 伤 诊 断 时 ， 实测 的固 有频
遗传算 法 是一 种借鉴 生 物界 自然 选 择 和进 化机
制发 展起 来 的高度 并 行 、 机 、 随 自适 应 搜 索 算 法 ， 已
形 成 了一 个 较完 整 的理 论 和方 法 ， 引入 了动 态 策 后
率 和振 型 是 诊 断 的依 据 ， 最 终 目标是 由识 别 的 结 其
构 参 数 得 到 的 结 构 模 态 数 据 与 实 测 模 态 数 据 一
普 通 遗 传 算 法 和 Ｃ Ｃ 算 法 的 优 点 ， 高 了算 法 的 收 敛 速 度 。数 值 算 例 表 明 ， 改 进 的 Ｃ Ｈ 提 用 ＨＣ遗 传算 法进 行 结 构 损 伤 诊 断 时 ， 构 件损 伤 比 Ｓ 单 ＧＡ 算 法 的 计 算 时 间缩 短 ６ ， Ｏ 多构 件 损 伤 可 缩 短 ８ 。 Ｏ 关键 词 结 构 参 数 识 别 结 构 损 伤 诊 断
维普资讯
第２ ７卷 第 ３ 期 ２０ 年 ９ ０７ 月
振 动 、 试 与 诊 断 测
Ｊ ｕ ｎ ｌｏ ｂ ａ ｉｎ， ａ ｕ ｅ ｎ ｏ ｒ ａ ｆＶｉ ｒ ｔ ｏ Ｍｅ ｓ ｒ ｍｅ ｔ＆ Ｄｉｇ ｏ ｉ ａ ｎ ｓｓ
Ｖ０ ． ７ Ｎｏ ３ Ｉ２ ．
Ｆｂ ∑ ∑ （ 一 ） ０ ：Ｆ一 ｊ
也可 将两 者 加权 组合
Ｆ。 — Ｃ Байду номын сангаасｂ ｊ Ｆ ＋ Ｃ￣ Ｆ
基于人工智能的混凝土结构损伤诊断技术研究
基于人工智能的混凝土结构损伤诊断技术研究一、引言混凝土结构是现代建筑中最常见的建筑材料之一，它的使用广泛，但是在长期使用过程中，混凝土结构也会受到各种外力的影响，从而出现各种损伤。
这些损伤如果不能及时发现和修复，就会对混凝土结构的安全性和稳定性产生影响。
因此，混凝土结构损伤诊断技术的研究就显得非常重要。
近年来，人工智能技术的发展为混凝土结构损伤诊断提供了新的思路和方法。
本文将基于人工智能技术，探讨混凝土结构损伤诊断技术的研究现状和发展趋势。
二、人工智能技术在混凝土结构损伤诊断中的应用1. 传统的混凝土结构损伤诊断方法存在的问题传统的混凝土结构损伤诊断方法主要包括目视观察、听诊、敲击等方法，这些方法存在以下问题：（1）诊断结果受人员经验和主观因素影响大，容易出现误判；（2）需要专业技术人员进行操作，成本较高；（3）难以对深层损伤进行准确诊断。
2. 人工智能技术在混凝土结构损伤诊断中的优势人工智能技术可以通过分析混凝土结构的振动、温度、电磁波等信号，实现混凝土结构损伤的快速、准确诊断。
具体包括以下优势：（1）自动化程度高，减少了人为干预；（2）基于大量的数据和模型，诊断结果更加准确；（3）可以对深层损伤进行准确诊断。
3. 人工智能技术在混凝土结构损伤诊断中的具体应用（1）基于振动信号的混凝土结构损伤诊断振动信号是混凝土结构损伤诊断中最常用的信号之一。
基于振动信号的混凝土结构损伤诊断可以通过分析混凝土结构的固有频率和阻尼比等参数来判断混凝土结构的损伤程度。
例如，可以通过频域分析和时域分析方法提取振动信号的特征参数，然后通过人工神经网络、支持向量机等算法进行分类识别。
（2）基于温度信号的混凝土结构损伤诊断温度信号也是混凝土结构损伤诊断中常用的信号之一。
混凝土结构在受到外力作用后，会产生热量，从而导致温度变化。
基于温度信号的损伤诊断可以通过分析混凝土结构的表面温度分布和温度变化趋势等参数来判断混凝土结构的损伤程度。
基于图像处理的钢筋混凝土结构损伤检测和诊断技术研究
基于图像处理的钢筋混凝土结构损伤检测和诊断技术研究随着城市化进程的不断加快和人们对建筑安全的要求越来越高，钢筋混凝土结构的损伤检测和诊断技术变得日趋重要。
而基于图像处理的钢筋混凝土结构损伤检测和诊断技术日益成熟，受到了越来越多的关注。
本文将深入探讨基于图像处理的钢筋混凝土结构损伤检测和诊断技术研究的现状、存在的问题和发展趋势。
第一部分：研究现状基于图像处理的钢筋混凝土结构损伤检测和诊断技术是对传统检测方法的一种改进和升级。
它利用计算机视觉和数字图像处理技术，通过对钢筋混凝土结构中的损伤部位进行数字图像采集、处理和分析，从而实现对其损伤程度的判断和诊断。
当前基于图像处理的钢筋混凝土结构损伤检测和诊断技术已经具备了较高的实用价值。
例如，通过计算机视觉技术可以尽可能快地发现钢筋混凝土中的细小裂缝、腐蚀和松动等损伤情况。
此外，随着技术的发展，利用数字图像处理技术可以更加准确地计算出各种不同类型的钢筋混凝土结构的损伤程度，从而为下一步的修复工作提供有力数据支持。
第二部分：问题和挑战尽管基于图像处理的钢筋混凝土结构损伤检测和诊断技术已经取得了不少成果，但是它仍然存在很多问题和挑战。
其中最大的问题就在于对大型复杂结构进行准确检测难度较大，需要更加准确和细致的分析技术。
此外，钢筋混凝土结构的损伤程度在很大程度上取决于其使用年限、环境等外部因素，因此技术的可靠性和准确度也是一个问题。
第三部分：发展趋势为了弥补上述问题和挑战，未来的基于图像处理的钢筋混凝土结构损伤检测和诊断技术必须趋向精准、高速、大规模化。
具体而言，未来的技术应该对不同类型的损伤特征进行深入研究，建立大量的数据分析模型，并通过机器学习技术实现自动化的损伤诊断。
此外，利用新型无损检测方法和虚拟现实技术等，可以进一步提高技术的可靠性和准确度。
结论基于图像处理的钢筋混凝土结构损伤检测和诊断技术是目前建筑安全领域研究的重点之一，其应用前景广阔。
然而，目前还需要深入研究和开发以提高技术的可靠性、准确性和速度。
基于逆有限元的板梁结构的损伤判别
基于逆有限元的板梁结构的损伤判别基于逆有限元的板梁结构的损伤判别摘要：在结构工程领域，对于板梁结构的损伤判别一直是一个重要的课题。
本文将介绍一种基于逆有限元方法的损伤判别方法，通过对板梁结构进行力学建模和逆分析，结合损伤指标，能够准确地判断板梁结构的损伤程度和位置，为结构健康监测和维修提供有效的依据。
1. 引言板梁结构广泛应用于建筑、航空航天等领域，其中的损伤及其对结构的影响一直是工程师们关注的焦点。
传统的损伤判别方法多基于数据分析和经验，但对于板梁结构的大范围、难以测量和隐蔽的损伤往往无法准确识别。
因此，基于逆有限元方法的损伤判别成为研究热点。
2. 基本原理逆有限元方法是一种力学建模和逆分析相结合的方法。
在损伤判别中，首先对板梁结构的力学特性进行建模，得到初始状态下的应力应变分布。
然后，通过实际测量得到的位移或应变数据，运用逆分析方法，反求出结构的材料参数，以及可能存在的损伤位置和程度。
3. 损伤指标损伤指标是判断板梁结构损伤程度的重要依据。
基于逆有限元方法，可以通过参数敏感性分析得到损伤指标与结构力学特性之间的关系。
常用的损伤指标有自然频率变化、模态形态和应力集中等。
通过引入某些权重因子，将各个指标加权求和，综合评估结构的损伤程度和位置。
4. 数值模拟对于一个具体的板梁结构，我们可以通过有限元软件进行数值模拟。
首先，根据实际情况建立结构的有限元模型。
然后，通过施加不同的外载和边界条件，计算出结构在不同状态下的响应，包括位移、应变等。
最后，通过逆分析方法，根据实际测量的位移或应变数据，反求出结构的材料参数和损伤状态。
5. 实验验证为了验证基于逆有限元方法的损伤判别的准确性，我们进行了一系列的实验。
首先，在实验室中制作了一块板梁样品，并在几个不同位置制造了不同程度的损伤。
然后，通过振动试验，测量了结构的自然频率。
再与数值模拟结果进行对比，验证损伤判别方法的准确性。
6. 结果与分析通过对实验数据的处理和分析，我们可以得到板梁结构的损伤程度和位置。
基于FEMU和SVM的桥梁损伤识别研究的开题报告
基于FEMU和SVM的桥梁损伤识别研究的开题报告一、研究背景与意义桥梁作为重要的基础设施，承担着道路交通的重要职责。
然而，在使用过程中，桥梁的结构损伤不可避免地会出现，包括裂纹、疲劳、断裂等。
这些损伤会危及桥梁的安全性和稳定性，严重者甚至会导致桥梁崩塌。
因此，桥梁结构损伤的识别和评估是桥梁维护管理的重要环节。
传统的桥梁结构损伤识别方法主要依靠人工巡查和传感器监测。
这些方法存在识别准确性低、数据复杂性高、成本昂贵等问题。
近年来，随着机器学习技术的发展，利用机器学习方法进行桥梁结构损伤识别的研究也越来越多。
本研究将利用FEMU（Finite Element Model Updating）和SVM （Support Vector Machine）两种方法作为桥梁结构损伤识别的工具，以提高桥梁损伤的识别准确性和效率。
其中，FEMU是一种用于结构损伤与状态评估的方法，可以利用真实测量数据来更新有限元模型（FEM）并识别结构损伤。
SVM则是一种用于分类的机器学习方法，可以学习输入特征和输出类别之间的关系，从而实现对新数据进行分类。
因此，本研究旨在将这两种方法结合起来，实现桥梁结构损伤的识别和评估，为桥梁维护管理提供可靠依据。
二、研究目标本研究的主要目标是基于FEMU和SVM两种方法，实现桥梁结构损伤的识别和评估。
具体来说，我们将实现以下目标：1. 建立桥梁有限元模型（FEM）并利用真实测量数据对模型进行更新，实现结构损伤的识别。
2. 提取桥梁结构的震动信号特征，并将其作为输入数据，利用SVM 方法实现结构损伤的分类。
3. 将FEMU和SVM两种方法结合起来，实现桥梁结构损伤的评估。
三、研究内容本研究将分为以下几个内容：1. 桥梁模型建立和测量数据采集首先，我们将建立桥梁有限元模型，并使用激光测量等方法采集桥梁的真实测量数据。
2. FEMU方法实现结构损伤识别利用真实测量数据对桥梁FEM进行更新，并通过对比更新前后的FEM模型，识别桥梁的结构损伤。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
钢结构!.//0年第1期第.3卷总第5/6期!基于改进指标的结构损伤程度识别研究-董晓马!杨广军董腾飞!郑州航空工业管理学院!郑州!U 1//51"!莱阳市建筑业管理处!莱阳!.71.//"摘!要!传统的基于频率的损伤程度识别指标是通过忽略结构运动摄动方程的二阶项得到的!在用于结构的损伤程度识别时!误差较大"基于结构运动方程!推导改进的损伤程度识别指标"以钢桁悬臂梁结构进行数值模拟试验!结果表明!所建议的改进方法指标较原来方法指标更为有效"关键词!频率法!损伤程度指标!模态!"/<0"</.1#2#+.!.D ./%"’%1.("%*%0#"%)($#!.1)(#(%2-/)D .1%(1.=64#$7+"48"!-"#$%)"#$9)##d C #’9f C &*G ’(","*"#&:A #)&’=*",+=$G ’B *(")@Q =’=9#M #’"!d C #’9f C &*!U 1//51$64#$!2#$:2+#H =,@=’9D #L =)"M #’"&:%&’(")*+",&’Q =’=9#M #’"!H =,@=’9!.71.//$#$!"/#0"!I C #")=B ,",&’=$B =M =9#(#;#),"@,B #’",:,+=",&’,’B #OJ =(#B&’:)#c *#’+@,(&J "=,’#BJ @,9’&),’9"C #(#+&’B )=’K "#)M,’(")*+"*)=$M &;#M #’"B ,("*)J #B #c *=",&’!a C ,+CC =(9)#="#))&)a C #’,",(=L L $,#B "&,B #’",:@"C #(")*+"*)=$B =M =9#(#;#),"@-e ’"C #J =(#&:(")*+"*)=$M &;#M #’"#c *=",&’!=’,M L )&;#B :)#c *#’+@M #"C &B&:B =M =9#(#;#),"@,B #’",:,+=",&’,(B #B *+#B -I C #)#(*$"(&:(,M *$=",&’#O L #),M #’"&:("##$+=’",$#;#)9,)B #)(C &a "C =""C #,M L )&;#BM #"C &B ,(M &)##::#+",;#"C =’"C #&),9,’=$&’#-5.’3)/1!!:)#c *#’+@M #"C &B !!B =M =9#(#;#),"@,’B #O !!M &B #-国家自然科学基金资助项目!1/1/0/U /"#第一作者$董晓马!男!5R 60年U 月出生!博士!讲师<M =,$$B B M =)K !(,’=-+&M 收稿日期$.//6S 5/S 5R!!损伤程度识别是结构健康监测系统的关键任务之一#要进行损伤程度识别%首先需要解决损伤标识量的选择问题%即决定以哪些物理量为依据能够更好地识别损伤的程度&5S 3’#从损伤识别能力上%模态频率(模态振型(应变模态(柔度矩阵等都是很好的损伤程度标识量&U ’#从经济角度出发%频率是工程上最简单(最经济(最实用(最易获得的模态参数%也是当前技术测得最准的结构动力特征&1’#另外%频率的整体辨识特性使测量点可以根据实际情况进行定制%因此%频率常被选来作为结构损伤的敏感特征参数进行损伤识别&7’#传统的基于频率的损伤程度识别指标通过忽略结构运动摄动方程的二阶项得到%在用于结构的损伤程度识别时%误差较大#因此%本文基于结构运动方程%理论推导了改进的损伤程度识别指标#最后以钢桁悬臂梁结构进行数值模拟试验%结果表明%所建议的改进方法指标较原来方法指标更为有效#6!传统的损伤程度识别指标当结构有损伤时%其运动方程的摄动方程为$&!!+(!"&!’(+(’(""’!)((*+)(((*"))/*!5"式中%(!为由于损伤所引起的结构整体刚度矩阵改变量+(’(()(((*分别为频率平方和模态矢量的改变量#展开式!5"且忽略二阶项%则有$(!)((*&(’(")((*)’(")(((*&!)(((*!."用)((*I左乘式!."%并利用"(!为对称矩阵%可得$(’())((*I(!)((*)((*I ")((*!3"本文只研究单损伤情况%对于多损伤情况可视为连续的单损伤情况%因此%式!3"可化简为$#*)5(’()((*I!#))((*)((*I")((*!()5%.%,%’!U "式中%#*为结构单元损伤因子!当#*)/时%表示完全损坏+当#*)5时%表示完好"%这样就得到传统的第(阶损伤程度识别指标%从式!U "中可看出$频率是由结构损伤程度!#*"和损伤位置!单元*"复合决定%如损伤位置一定%则损伤程度越大频率的改变量越大#U5科研开发!"##$%&’(")*+",&’-.//0!1"#2&$-.3#4&-5/68!改进的损伤程度识别指标有损伤结构的运动方程为$"%H ,j &+!!&(!"%H ,&)%/&!1"令%((&为无损伤运动方程正则特征矢量##为无损伤运动方程正则特征模态矩阵#则#I "&5!#Y B ,=9!’("##I #)’?()设%H ,&)#%H C &#代入有损伤结构运动方程得$"#%H C j &+!!S /!"#%H C &)%/&!7"对应特征值方程为$%!B ,=9’’((&#I "&5(!#"&H ’(’?(&%H ((&)%/&!6"整理得$%!B ,=9’’((&H ’(’?("&#I "&5(!#&%H ((&)%/&!0"根据矩阵理论和模态理论#式!6"可变换为$!B ,=9’’((&H ’(’?("&#I"’$)5/$%($&"’;)5B;%(;!"&I%&#*!!!%H ((&)%/&!R"式!R"中的第$个方程为$!’$&H ’("H ((!$"&/$"’I )5BI H ((!I ")/!5/"整理得$!’$&H ’("H ((!$"/$)"’I )5B I H ((!I "!55"式!55"右边不包含$#因此有$!’5&H ’("H ((!5"/5)!’.&H ’("H ((!."/.)+)!’’&’("H ((!’"/’!5."从式!5."中有$H ((!$")!’*&H ’("/$H ((!*"!’$&H ’("/*,H ((!I ")!’*&H ’("/I H ((!*"!’I &H ’("/*!53"将式!5."-式!53"代入式!55"得$/I B I )&.J$)5!H ’$&’I".J$)5$/I!’$&’I"!5U"由(!)"J*#*!#*和式!R "有$"&5!"J*#*!#*")"’$)5/$%($!"&"’;)5B ;%(;!"&I!51"在式!51"两边左乘%(I &I#右乘%(I &#整理得$"J*#*!%(I&I"#5!#*%(I &")!%(I &I’"’$)5/$%($&!"’;)5B ;%(;&"I(%(I &)!/I B I )&.J$)5!H ’$&’I".J$)5$/I!’$&’I"!57"对于单损伤情况#式!57"可化简为$#*)&5!%(I &I "&5!#*%(I &".J$)5!’I&H ’$".J $)5$/I!’I&’$"!!I )5#.#+#J !!56"式!56"就是改进的损伤程度识别指标)9!钢桁悬臂梁损伤程度识别模拟分析采用了一个钢桁悬臂梁结构#图5所示为钢桁悬臂梁结构的有限元模型#模型高/-3M -长.M #材料均为钢材#共有5/个结点#./个单元)为了验证上述改进的损伤程度识别指标的效果#首先利用有限元法对桁梁模型进行结构动力分析#在此基础上对桁梁模型进行损伤模拟动力分析#以观察频率的变化)结构损伤主要通过对有限单元的抗弯刚度减小来实现)限于篇幅#这里选择桁梁单元5!<5"!损伤./W "-桁梁单元1!<1"!损伤31W "-桁梁单元55!<55"!损伤3/W "以及桁梁单元50!<50"!损伤U /W "来模拟U 个不同位置-不同损伤程度情况#并对其进行研究)分别采用改进损伤程度识别指标!图.中方法5"和传统损伤程度识别指标!图.中方法."进行计算#结果如图.和表5所示)图5!钢桁悬臂梁结构的有限元模型图.!损伤程度识别结果对比!!由图.可以看出#<5-<1-<55-<50都一致表明#采用传统的损伤程度识别指标预测损伤单元的损伤程度与实际损伤程度差异较大#最大相对识别误差达到3U W ,而采用改进后的损伤程度识别指标预测值与实际损伤程度较为一致#最大相对识别误!下转第36页"15董晓马!等"基于改进指标的结构损伤程度识别研究度#4/为初始刚度#/为水平位移#/@为屈服位移$两榀框架的刚度退化规律相似#框架在屈服前刚度基本保持不变#当耗能梁段出现剪切屈服以后#刚度出现明显退化现象#随着循环次数的增加#刚度退化逐渐减慢$当框架达到极限状态时#框架刚度仍然保持在初始刚度的3/W左右#可见DS5%DS.方案均具有良好的变形能力和抗侧移能力$图5/!刚度退化曲线:!结论和建议5"偏心支撑结构的耗能能力依赖于耗能梁段的耗能大小#剪切型耗能梁段对于偏心支撑钢框架的耗能能力起到决定性的作用#设计时应尽量将耗能梁段设计为剪切型#从而突出结构良好的耗能能力$ ."为了突出偏心支撑的特点并兼顾强节点%弱构件的设计思路#通过在梁柱连接节点处加肋板将耗能梁段不直接和柱相连#而与柱端节点相连#有利于罕遇地震后耗能梁段的修复$3"加肋板D型偏心支撑的滞回曲线丰满%稳定#无捏拢出现#并且耗能梁段的转动明显增大#这种结构有良好的延性和耗能能力$U"通过梁柱节点加肋板的方法#使D型偏心支撑梁和柱的连接有利于提高梁端部的抗剪和抗弯承载力#延缓焊缝的脆性破坏#以使耗能梁段充分发展塑性变形$!!1"加肋板D型偏心支撑施工工艺简单#造价低#便于实际工程中推广和应用$参考文献5!陈绍蕃P钢结构设计原理P第三版P北京&科学出版社#.//1&U..S U.U.![&L&;<[#<’9#$C=)B"Q DP!#,(M,+<++#’"),+=$$@b)=+#B _)=M#(P]&*)’=$&:%&’(")*+",&’=$!"##$F#(#=)+C!?P8P"#5R00# 5/&3.5S31U3!钱稼茹#陈茂盛#张天申P偏心支撑钢框架在水平力作用下试验研究和极限分析P建筑结构#5R R3!U"&3S RU!赵宝成#顾强P单斜杆偏心支撑钢框架在循环荷载作用下的滞回性能分析P苏州科技学院学报!工程技术版"#.//1#50!3"&5/S5U 1!^>#$M("=B8D#[&L&;<[P%C=)=+"#),(",+&:<++#’"),+=$$@b)=+#B _)=M#(P]&*)’=$&:!")*+"*)=$<’9,’##),’9#5R0U#55/&3U/S313 7!Q=C,’!AP H#((&’(:)&M D=M=9#"&!"##$b*,$B,’9(D*),’9"C# 4&)"C),B9#<=)"C c*=K#P<’9,’##),’9!")*+"*)#(#5R R0#./&.75S.6/ 6!申林#蔡益燕#郁银泉P偏心支撑钢框架设计方法P建筑结构# .//.#3.!."&53S570!Z b1//55S.//5!建筑抗震设计规范R!]Z]R R S R0!高层民用建筑钢结构技术规程5/Z b1//56S.//3!钢结构设计规范55]Z]5/5S R7!建筑抗震试验方法规程5.e K=f=K,I#A)+#Z#F@*^%##"=$P<O L#),M#’"=$!"*B@&:H&+=$b*+K$,’9#e;#)N!")#’9"C#=’B_)=+"*)#&:H,’K(,’<++#’"),+=$$@b)=+#B_)=M#(P]&*)’=$&:!")*+"*)=$<’9,’##),’9#.//1#535&51.7S513153F,+C=)B([k#?=’9%QP<::#+"&:_$=’9#k,B"C N I C,+K’#((F=N ",&&’<++#’"),+=$$@b)=+#B_)=M#(H,’K%@+$,+F&"=",&’%=L=+,N "@P]&*)’=$&:!")*+"*)=$<’9,’##),’9#.//1#535&51U7S511.5U b#)M=’]k#b)*’#=*QP<O L#),M#’"=$=’BA’=$@",+=$G’;#(",9=N ",&’&:I*J*$=)H,’K(:&)<++#’"),+=$$@b)=+#B_)=M#(P<’9,’##)N ,’9!")*+"*)#(#.//6#.R&’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’5R.R S5R30!上接第51页"差为/-61W’上述研究表明#改进后的损伤程度识别指标要比传统的损伤程度识别指标精确#更适合用来作为结构损伤程度的敏感特征参数$表6!识别相对误差比较K 方法<5<1<55<50传统法50-1.U.U-33U改进法/-1/-16/-33/-61参考文献5![=’B#@A8#b,(a=(Q#!=M M=’Q Q-D=M=9#D#"#+",&’:)&M %C=’9#(,’%*);="*)#Q&B#!C=L#(-]&*)’=$&:!&*’B=’B2,J)=N ",&’#5R R5#5U1!."&3.5S33..!T=M H^#H#*’9I[#H,D b-I C#&)#",+=$=’B<O L#),M#’"=$!"*B@&:Q&B=$!")=,’A’=$@(,(-]&*)’=$&:!&*’B=’B2,J)=",&’# 5R R7#5R5!."&.15S.7/3![=’B#@A8#b,(a=(Q-D=M=9#D#"#+",&’,’!")*+"*)#(?(,’9 %C=’9#(,’_$#O,J,$,"@-]&*)’=$&:!&*’B=’B2,J)=",&’#5R R U# 57R!5"&3S56U!_#))#9*"%Q#e(#9*#B=F A#e),",f]=,M#-A)",:,+,=$4#*)=$ 4#"a&)K(:&)!")*+"*)=$D=M=9#D#"#+",&’=’B%$=((,:,+=",&’(( [)&+-&:!M=)"!")*+"*)#(=’B Q="#),=$(5R R1-?!A&![G<# 5R R1&70S0/1!_),(a#$$QG#]&C’<#[#’’@I-I C#[)=+",+=$H,M,"(&:D=M=9# D#"#+",&’=’B H&+=",&’?(,’92,J)=",&’D="=((55"C2[G E!?!@M L&(,*M&’!")*+"*)=$D@’=M,+(=’B%&’")&$Pb$=+K(J*)9# 2,)9,’,=#?!A&2[GE!?#5R R6&35S U/7!!=$=a*e!-D#"#+",&’&:!")*+"*)=$D=M=9#I C)&*9C%C=’9#(,’_)#c*#’+,#(&A F#;,#a-<’9,’##),’9!")*+"*)#(#5R R6#5R!R"& 650S6.363!!航!等"加肋板D型偏心支撑钢框架在循环荷载作用下的滞回性能分析!"##$%&’(")*+",&’-.//0!1"#2&$-.3#4&-5/6。