基于支持向量机与分层遗传算法的斜拉桥全结构损伤分步识别

为了实现斜拉桥全结构的损伤识别,提出一种支持向量机与分层遗传算法相结合的分步识别方法。该方法首先按结构的材料特性将斜拉桥分为主梁、索塔、拉索三类子结构,利用支持向量机的分类特性判定损伤的来源,确定损伤属于某一类子结构;然后,应用分层遗传算法对子结构中的单元进行损伤位置与损伤程度的识别。以实验室独塔斜拉桥模型作为研究对象进行数值仿真,结果表明:采用支持向量机方法能较准确的对主梁、索塔、拉索三类子结构的损伤进行分类,确定损伤的来源;分层遗传算法能快速有效的完成斜拉桥某一子结构中损伤单元的定位与识别;两种算法结合的分步识别方法,实现了斜拉桥全结构的损伤识别,同时分步识别策略减少了支持向量机训练样本与遗传算法中初始种群的规模,提升了寻优效率。     

基于损伤部位向量法的钢框架损伤识别研究

对损伤部位向量(DLV)法作了简单介绍,并用该方法对钢框架进行了损伤识别和损伤定位。该方法假定结构损伤前后为线性,对结构损伤前后柔度矩阵差进行奇异值分解,将奇异值为零所对应的向量,作为静荷载施加在无损结构的测点位置,则应力为零的单元为可能损伤的单元。对3种不同工况的钢框架进行了振动模态试验,用前3阶模态参数构造框架的柔度矩阵,按照DLV法对其进行了损伤识别,识别结果与已知损伤情况相一致。从测试自由度不完备、噪声和振型质量归一化系数这3个方面对识别效果进行了分析,结果表明:当损伤使结构动力特性有微小改变时,使用该方法不易定位损伤,应结合局部损伤识别方法进行判定;当损伤使结构动力特性有较大改变时,该方法能有效识别损伤的单元。DLV方法概念简单,理论明确,不受结构类型的限制,不需要结构的数学模型和模型缩聚或扩展技术,只需获得结构损伤前后的前几个低阶模态参数,即可识别结构一处或多处损伤,实际应用时可操作性强。     

基于向量自回归模型的结构损伤预警

基于向量自回归模型(VAR)的结构损伤识别方法缺少自回归系数与损伤的明确关系,在选择自回归系数作为损伤敏感特征时具有一定的盲目性。文中借助结构运动方程的二阶向量自回归模型(简写为VAR(2)模型)表达形式,论证了采用VAR(2)模型的一阶自回归系数作为损伤敏感特征的合理性,并通过灵敏度分析得到该系数变化与结构刚度变化的线性关系,据此提出了基于VAR(2)模型自回归系数异常检测的损伤识别策略。该方法首先对环境激励下的结构响应信号建立VAR(2)模型,提取第一阶自回归系数矩阵的对角线元素作为损伤敏感特征;然后以欧氏距离建立损伤指标,最后借助统计理论确定损伤阈值进行损伤预警。通过算例表明,该方法适合于长期在线预警。     

测井岩性识别新方法研究

为了更好地解决测井岩性识别问题,引入了一种基于粒子群优化的支持向量机算法.通过实际测井资料和岩性剖面资料进行学习训练支持向量机,并利用粒子群优化算法对支持向量机参数进行优化,建立了测井岩性识别的支持向量机模型,应用该方法对准噶尔盆地某井的测井岩性进行识别,并将该方法的识别结果与BP神经网络方法的识别结果进行了比较,结果表明该方法优于BP神经网络方法,具有识别正确率高、收敛速度快、推广能力强等优点.     

基于小波能量分布向量的结构损伤识别

利用小波变换时-频局部化性能,提出了基于小波能量分布向量的结构损伤识别方法。首先建立无损结构响应信号小波能量分布的总体向量;其次,将实测动力响应信号分解为小波包组分,计算其小波能量分布向量(样本向量);通过样本向量和总体向量之间的马氏距离识别损伤。该方法仅利用单测点结构响应数据进行损伤识别,实验方便,计算简单,并通过钢梁试验对损伤识别方法进行了试验验证,识别结果表明小波能量分布向量是一个比较好的结构损伤指标。     

基于Born敏感核函数的VTI介质多参数全波形反演

本文基于VTI介质拟声波方程,利用散射积分原理,在Born近似下导出了速度与各向异性参数的敏感核函数,同时结合作者前期研究提出的矩阵分解算法实现了一种新的VTI介质多参数全波形反演方法.矩阵分解算法通过对核函数-向量乘进行具有明确物理含义的向量-标量乘分解累加运算实现目标函数一阶方向或二阶方向的直接求取,从而避免了庞大核函数矩阵与Hessian矩阵的存储,该方法同时可以大大降低常规全波形反演在计算二阶方向时的庞大计算量.为了克服不同参数对波场影响程度的不同,本文利用作者前期在VTI介质射线走时层析成像研究中提出的分步反演策略实现了多参数联合全波形反演.理论模型实验表明,本文提出的基于Born敏感核函数的各向异性矩阵分解全波形反演方法可以获得较好的多参数反演结果.     

基于SEEW-SVM的结构损伤在线识别

在增量式特征向量加权支持向量机(WEVLS-SVM)结构损伤在线识别方法的基础上,提出了自适应特征向量指数加权向量机(SEEW-SVM)识别方法,该方法通过增加样本与修剪算法更新样本,并根据样本贡献量的大小对特征向量自适应进行指数加权。以剪切型结构为例进行了数值模拟分析,结果表明SEEW-SVM方法与WEVLS-SVM方法相比,不仅提高了识别精度,而且大大提高了识别效率,更适用于对结构的时变参数进行在线识别。     

支持向量机在储层厚度预测和计算中的应用

本文通过对油田储层结构的分析,运用支持向量机的理论和方法,建立了用于预测和计算储层厚度的支持向量机回归模型,并对该模型从参数变化范围、核函数选择、误差评价的标准等多方面进行了探讨,找出了建立储层厚度预测模型的一种有效方法,通过对实际储层厚度的预测,证明该方法在预测和计算储层厚度中具有较高的参考价值.     

基于摄动有限元方法对梁结构损伤的识别

结构损伤的定量识别是工程技术中急待解决的问题。利用矩阵摄动和结构有限元动力学理论推出梁结构损伤程度定量识别的公式和方法,该方法仅需要在役结构的固有频率测量值就可识别结构的损伤位置和损伤程度,而且可以识别结构的老化程度,避免了由模态振型识别损伤,因测量自由度不足带来的误差,通过对一钢悬臂梁损伤识别的数值仿真,证明了该方法的有效性。该方法具有较大的工程应用价值。     

基于类柔度差曲率和频率摄动的结构损伤识别

为提高梁式结构损伤诊断的效率,提出一种基于类柔度差曲率和频率摄动的结构损伤识别方法。首先根据结构振动理论,研究广义柔度矩阵计算公式;再利用模态柔度对结构损伤灵敏性高的优点,改进基于柔度差曲率的损伤定位指标,定义类柔度差曲率LCFC损伤指标,并初步识别损伤;最后基于矩阵摄动进行结构损伤识别结果确认。考虑多种损伤工况,对一简支梁结构进行损伤识别数值模拟验证。结果表明:仅使用一阶模态,建立的类柔度差曲率LCFC指标对梁式结构损伤定位具有良好的诊断效果,且计算工作量小;对于含边界损伤单元的多损伤工况,当损伤程度大于10%时,LCFC指标识别有效;当损伤程度不大于25%时,各工况二阶摄动识别结果精度较高,相对误差较一阶摄动结果明显降低,证明了该方法的实用性、有效性和精确性。     

Structural damage detection using empirical-mode decomposition and vector autoregressive moving average model

A method based on empirical-mode decomposition (EMD) and vector autoregressive moving average (VARMA) model is proposed for structural damage detection. The basic idea of the method is that the structural damages can be identified as the abrupt changes in energy distribution of structural responses at high frequencies. Using the time-varying VARMA model to represent the intrinsic mode functions (IMFs) obtained from the EMD of vibration signal, we define a damage index according to the VARMA coefficients. In the two examples given, the Imperial County Services Building and the Van Nuys hotel are used as the benchmark structures to verify the effectiveness and sensitivity of the damage index in real environments with the presence of actual noise. The analysis results show that the damage index can indicate the occurrence and relative severity of structural damages at multiple locations in an efficient manner. The damage index can also be potentially used for structural health monitoring, since it is based on the time-varying VARMA coefficients. Finally, some recommendations for future research are provided.     

Feasibility of using impedance‐based damage assessment for pipeline structures

This paper presents the feasibility of using an impedance‐based health monitoring technique in monitoring a critical civil facility. The objective of this research is to utilize the capability of the impedance method in identifying structural damage in those areas where a very quick condition monitoring is urgently needed, such as in a post‐earthquake analysis of a pipeline system. The basic principle behind this technique is to utilize high‐frequency structural excitation (typically greater than 30 kHz) through surface‐bonded piezoelectric sensors/actuators to detect changes in structural point impedance due to the presence of damage. Real‐time damage detection in pipes connected by bolted joints was investigated, and the capability of the impedance method in tracking and monitoring the integrity of the typical civil facility has been demonstrated. Data collected from the tests illustrates the capability of this technology to detect imminent damage under normal operating conditions and immediately after a natural disaster. Copyright © 2001 John Wiley & Sons, Ltd.     

基于区域生长法和变差函数的PolSAR影像山脊线提取

山脊线通常是地震引发的山地灾害的起始部位。在监测此类山地灾害时,需要明确山脊线所处位置,从而为制定出相关预防措施提供支持。根据实际经验,由于合成孔径雷达(Synthetic Aperture Radar,SAR)的成像特殊性,在检测含建筑物的全极化SAR(Polarimetric Synthetic Aperture Radar,PolSAR)影像山脊线时,往往受到高散射强度的建筑物干扰,从而出现误判。针对PolSAR影像中山脊线受到建筑物干扰出现误识的问题,提出一种结合区域生长法和变差函数的识别方法。在识别过程中,首先,对采集的PolSAR影像通过区域生长法进行分割处理,再通过模糊C均值(Fuzzy C-Means,FCM)分类方法对变差纹理等特征进行聚类分析,并进行相似度判断,获取建筑物区域,在此基础上,对比建筑物、山脊线的混分成分,进而提取山脊线。通过对该方法进行实验对比分析,发现其相较于阈值分割方法提取精度有明显提高,可以为PolSAR影像中山脊线识别提供一种新思路。     

Structural damage detection using the optimal weights of the approximating artificial neural networks

This work presents a novel neural network‐based approach to detect structural damage. The proposed approach comprises two steps. The first step, system identification, involves using neural system identification networks (NSINs) to identify the undamaged and damaged states of a structural system. The partial derivatives of the outputs with respect to the inputs of the NSIN, which identifies the system in a certain undamaged or damaged state, have a negligible variation with different system errors. This loosely defined unique property enables these partial derivatives to quantitatively indicate system damage from the model parameters. The second step, structural damage detection, involves using the neural damage detection network (NDDN) to detect the location and extent of the structural damage. The input to the NDDN is taken as the aforementioned partial derivatives of NSIN, and the output of the NDDN identifies the damage level for each member in the structure. Moreover, SDOF and MDOF examples are presented to demonstrate the feasibility of using the proposed method for damage detection of linear structures. Copyright © 2001 John Wiley & Sons, Ltd.     

Seismic diagnosis of railway substructures by using secondary acoustic emission

One difficult task for the seismic diagnosis of existing structures is how to nondestructively evaluate the damage degree of invisible substructures, such as embedded foundations. To diagnose substructures efficiently, a method for nondestructive inspection is developed by applying acoustic emission (AE) technique. As a newly proposed method, characteristics of secondary AE induced by train operations were investigated, and experiments using model piles and in-situ AE monitoring of in-service railway bridges conducted under railroad traffic, from which it was demonstrated that the proposed method is practicable enough to detect invisible defects in structures. A new index, known as RTRI (ratio of Repeated Train load at the onset of AE activity to Relative maximum load for Inspection period) is proposed for structural damage qualification based on the results of in-situ AE monitoring.     

用于结构健康诊断的动静结合法及其试验验证

介绍了一种用于梁式结构的健康诊断方法,该方法以具有较高测试精度的低阶模态参数和静力测试参数为损伤识别量,适用于本构相同的多个结构或构件的健康诊断.具体实施中只选取少量结构作为样本,对其进行静、动力的联合测试,以获得静力、动力参数间的数学回归关系,依此关系对其余的结构仅通过动力测试便可获得等效于静力加载法的健康诊断效果.以12个不同损伤程度的钢桁架结构为试验对象,对其静、动参数的相关性进行了研究.结果表明,桁架的静力刚度和一阶固有频率与桁架的损伤程度密切相关,二者可作为标识桁架损伤的静、动参数.静、动参数对桁架的损伤程度指示明确,规律是损伤越大,静、动参数值越小.采用最小二乘法建立了桁架静、动参数间数学关系式,说明梁式结构的静、动参数密切相关,动静结合法可行.     

基于高斯曲率模态相关系数的梁桥支座损伤识别研究

为方便地检测梁桥支座损伤,提出了利用运营桥梁实测模态位移结合其无损状态的模态位移判断支座损伤的高斯曲率模态相关系数法。通过简支梁桥的室内试验,验证了利用高斯曲率模态相关系数判定支座损伤的合理性以及该方法中无损状态下的模态位移可以通过模态试验和有限元模拟两种方法获得。利用该方法对实际简支梁桥和连续梁桥进行的支座损伤识别结果表明:高斯曲率模态相关系数法可准确识别出单支座和多支座损伤的支座损伤位置,具有较强的鲁棒性,可将此方法应用于实际工程中的支座损伤识别。     

基于分布式应变监测的大跨度斜拉桥结构损伤探测

结构损伤具有典型的局部性质,通常表现为局部应变的异常。结构应变的分布式监测与损伤敏感特征分析,是实现大跨桥梁损伤探测与定位的理想途径之一。但是,由于环境噪声的影响,对分布式应变信号的监测往往不能准确反映结构出现的损伤状况。因此,提出了通过小波变换对分布式光纤测试的斜拉桥桥面应变分布进行多尺度分析的方法。这种方法可以克服分布式光纤应变监测信号受观测噪声和空间分辨率平均效应的不利影响,准确地确定空间域信号奇异点在桥面的位置。同时,在实验室建立了比尺为1∶150的模型斜拉桥。通过对斜拉桥数值模型与物理模型试验结果的分析和比较,验证了所提出方法的有效性。