基于振型曲率演化法的RC框架结构地震损伤识别

为快速识别地震导致的框架结构损伤,采用一种新的损伤识别方法,即振型曲率演化法。该方法采用S变换对结构顶部的加速度进行分析,进而得出地震前与地震期间的两个重要时刻,然后通过计算这两个时刻的振型曲率差识别结构薄弱层位置。为验证该方法的合理性和有效性,以6层3跨RC框架结构为例,在不同地震波和不同调幅工况下,分别对比振型曲率演化法与单参数层间位移角、双参数损伤指数两种损伤指标识别的结构薄弱层位置。在此基础上进一步研究了振型曲率差与两种损伤指标之间的相关性,并建立了线性关联模型来识别薄弱层损伤程度。结果表明：振型曲率演化法与两种损伤指标在不同地震工况作用下识别的薄弱层有很好的一致性,说明该方法能够准确识别结构薄弱层位置。振型曲率差与两种损伤指标之间的拟合公式的相关系数均在0.8以上,相关性都很高,通过分析这种相关性,可以利用振型曲率差获得结构薄弱层的损伤程度。     

基于时频分析与深度学习的结构震后损伤评估

为评估地震后钢筋混凝土(RC)框架结构的损伤状态,提高损伤评估的效率和精度,文章提出一种基于时频分析和一维卷积神经网络(1D-CNN)的地震损伤评估方法。首先利用增量动力时程分析对一个6层RC框架结构进行地震损伤模拟,并根据最大层间位移角对加速度信号进行损伤程度的标定,以此来获取数据样本,随后应用五种不同的时频分析方法对原始信号进行处理;然后建立基于1D-CNN的地震损伤评估模型,并利用贝叶斯优化算法寻找模型中的最优参数组合;最后评估所提出模型方法在噪声情况下的泛化能力。研究结果表明：五种时频分析方法中,小波散射变换方法的准确率最高,达92.5%,且计算速度也最快,仅需144 s;另外在噪声下该方法仍可以保持较高的损伤评估准确率,具有较好的鲁棒性和泛化能力。