A frequency response function change method for damage localization and quantification in a shear building under ground excitation

A frequency response function change (FRFC) method to detect damage location and extent based on the change in the frequency response functions of a shear building under the effects of ground excitation was proposed in this paper. The damage identification equation was derived from the motion equations of the system before and after the occurrence of the damage. Efforts to make the FRFC method less model‐dependent were made. Intact system matrices, which could be estimated using the measured data without the need for an analytical model, and the frequency response functions were required for the FRFC method. The effects of measurement noise and model parameter error in the FRFC method were studied numerically. The proposed FRFC method was validated by experimental studies of a six‐story steel building structure with single and multiple damage cases. Copyright © 2012 John Wiley & Sons, Ltd.     

基于EMD方法与RBF神经网络的结构损伤检测

针对结构损伤检测中损伤的识别、定位以及程度的标定这三个独立并按一定先后顺序进行的检测过程,提出了一种能将以上三者同时进行的联合检测方法。该方法首先利用经验模态分解(EMD)方法将三层钢筋混凝土剪切型结构在各种损伤工况下的顶层地震作用加速度响应分解为若干固有模态函数(IMF)分量,然后以此IMF分量和未经EMD分解的原始加速度响应数据来构造损伤标识量,作为特征参数依次输入到径向基函数神经网络(RBFNN)中进行损伤检测。给出了应用此方法的具体步骤,通过仿真实验证明了利用该方法进行结构损伤一次检测的可行性和有效性,结果表明,由加速度响应经EMD分解而得到的IMF分量输入到RBFNN中能够更为精确地一次检测出结构所有损伤信息,并且RBFNN在结构损伤损度大时具有更好的检测效果。     

基于运营环境和提升小波变换的桥梁损伤检测研究

根据损伤桥梁在车辆荷载作用下的动力响应特点,以及提升小波变换对信号突变信息的放大功能,提出了利用桥梁运营荷载作用下加速度响应提升小波变换系数的分布特性对结构损伤进行识别的方法。首先,采集桥梁在行车荷载作用下的加速度响应信号;然后,对加速度响应信号进行提升小波变换,分别利用加速度响应信号、加速度响应信号差,提升小波变换系数空间变化的峰值识别损伤位置;最后,对行车速度、损伤位置、损伤程度和测量噪声对损伤识别效果的影响进行了分析讨论。结果表明：在行车速度8m/s以下、测量噪声不高于5%情况下,利用运营荷载作用下桥梁单点动力响应信号提升小波变换,可以实现桥梁多处损伤的检测和识别。     

苏通大桥结构健康状态评估技术研究与应用（3）：主梁损伤定位

为提高基于模态参数的损伤识别方法的损伤敏感性和噪声鲁棒性,将多源数据融合技术引入到苏通大桥主梁损伤定位方法中。基于D-S证据理论对模态柔度和模态应变能指标进行数据融合,并以苏通大桥扁平钢箱梁为分析对象,对融合后损伤定位指标的应用效果进行了讨论。结果表明：基于数据融合的损伤定位方法具有较强的损伤敏感性,只需要较少的低阶模态信息就能识别主梁的早期损伤;数据融合后,损伤定位指标可以在较强的噪声环境下准确地识别斜拉桥钢箱梁的损伤,具有较好的工程实用性。     

基于双层深度置信网络的梁桥结构损伤识别方法研究

为高效准确识别桥梁结构损伤,将深度学习与结构动力特性相结合,提出基于双层深度置信网络的桥梁结构损伤识别方法。首先取结构前3阶竖向振动频率和跨中节点前3阶竖向振动模态位移为参数,将其共同作为首层深度置信网络(DBN)的输入数据对结构的损伤位置进行识别;然后以1阶竖向振动的模态位移差作为参数,基于二层DBN对结构损伤程度进行预测;最后以郑许市域铁路桥梁为例进行验证。计算结果显示,当不考虑误差时,基于双层深度置信网络的结构损伤方法进行识别且结果精确;当噪声程度不超过10%时,定位识别结果准确率达100%;当噪声程度不超过15%时,定量识别结果最大绝对误差限不超过1.15%,识别结果准确;与传统的BP神经网络方法相比,本方法识别精度更高,抗噪性更强。     

基于动力响应的特高压变压器套管地震实时损伤识别

特高压变压器套管具有较高的地震易损性,为研究其在地震过程中出现结构损伤的识别问题,基于改进的希尔伯特黄变换算法提出一种利用设备加速度响应信号进行实时损伤识别的方法. 采用高通滤波以及集合经验模态分解提取信号的异常高频成分;然后将其作为损伤特征,定义高频能量比用于损伤定位;最后通过数值算例模拟不同损伤工况下结构的地震响应,验证所提损伤识别方法的准确性.研究表明,地震过程中结构突发损伤会使加速度响应信号中产生瞬时高频成分;信号中瞬时高频成分的能量大小与采集点到损伤位置的距离有关,距离越近瞬时高频成分的能量量级越大.所提方法仅需结构的加速度响应作为算法输入即可实现损伤判定和损伤定位,数据需求简单.     

Statistical damage detection method for frame structures using a confidence interval

<正>A novel damage detection method is applied to a 3-story frame structure,to obtain statistical quantification control criterion of the existence,location and identification of damage.The mean,standard deviation,and exponentially weighted moving average(EWMA) are applied to detect damage information according to statistical process control(SPC) theory.It is concluded that the detection is insignificant with the mean and EWMA because the structural response is not independent and is not a normal distribution.On the other hand,the damage information is detected well with the standard deviation because the influence of the data distribution is not pronounced with this parameter.A suitable moderate confidence level is explored for more significant damage location and quantification detection,and the impact of noise is investigated to illustrate the robustness of the method.     

Vibration‐based damage assessment of steel structure using global and local response measurements

Damage assessment of a structure involves acquiring and identifying dynamic characteristics of the structure and using these characteristics to evaluate behavior and performance. In this study, an unsymmetrical three‐story steel structure (fabricated with one weak column in the first floor) was tested on shaking table and subjected to a series of earthquake excitations with increasing level of excitation back to back. Besides, white noise excitation was also applied in between the earthquake excitation to serve as the reference state. Both the traditional sensing system (accelerometer and linear variable differential transformer) and the local optical tracker system were implemented in the structure to collect the vibration‐based responses. For operational modal analysis, structural response from white noise excitation will be used in this study. First, the traditional system identification using global response data is used (multivariate autoregressive (AR)‐model) to extract system natural frequencies and mode shapes from all different set of white noise responses after earthquake excitation. The migration of AR‐coefficient ellipse error from each sensor response was used to identify the damage location. Second, blind source separation technique was used to identify the modal contribution of the structure from each test, which provide information to detect the damage severity. Finally, from the local optical tracker array data, the principal component analysis was applied to quantify the earthquake‐induce local stress of the structural member. Combine the result from damage detection using global measurement and the identified local element stress, one can locate and quantify the damage. Copyright © 2015 John Wiley & Sons, Ltd.     

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。     

基于多项式拟合均匀荷载面曲率曲线的结构损伤识别方法

为仅利用结构损伤状态的柔度矩阵对结构进行损伤程度识别,先对损伤状态的均匀荷载面曲率曲线进行最小二乘法拟合。根据曲率曲线差判断结构的损伤位置,对损伤位置的点进行剔除后,再利用未损伤位置上的点进行局部最小二乘法拟合,代替损伤前的均匀荷载面曲率曲线,用于结构的损伤定位与定量。通过一简支梁数值算例,先以理论的二次多项式进行拟合,考虑单损伤和多损伤的情况,进行损伤识别分析,再分析多项式次数、测点数目以及不同噪声水平对损伤定量精度的影响。结果表明:在一定范围内,次数越高拟合误差越小,但差别不明显,采用理论的二次多项式拟合即可满足结构损伤识别要求,无噪声的情况下,测点数目减半不影响损伤识别的精度,该方法具有一定的抗噪声能力。     

基于主组分分析的概率神经网络损伤定位研究

概率神经网络(PNN)以贝叶斯概率的方法描述测量数据,因而PNN在有噪声条件下的结构损伤检测方面具有巨大潜力。与此同时,PNN的网络规模随着训练样本的增加而增大,这极大地降低了网络运行速度。基于此,本文提出了基于主组分分析(PCA)的PNN损伤定位方法,分别用传统PNN(TPNN)、主组分分析PNN(PCAPNN)和自适应PNN(APNN)三种模型进行了悬索桥的损伤定位研究。研究发现,APNN的识别精度最好,PCAPNN次之,TPNN最差。但APNN需要很长的训练时间,网络规模较大;其他两个网络几乎不需要训练时间,且PCAPNN网络规模较其他两个网络减少了1／3～1／4。在低噪声情况下,PCAPNN的识别效果基本上等同于APNN。     

基于模态分析和神经网络的裂缝损伤识别

提出了裂缝损伤诊断的神经网络方法,探讨了用模态技术和神经网络对混凝土结构裂缝损伤进行识别与定位的方法。文中以一简支矩形截面梁为研究对象,通过完好结构和损伤结构的有限元分析,获取两者的损伤标识量,输入BP神经网络训练。以损伤位置和裂缝高度作为输出参数,对其进行单处损伤定位的研究。数值仿真结果表明,采用神经网络方法可以对裂缝做出较好的诊断。     

致密砂岩气藏动态分类委员会机器测井流体识别方法

致密砂岩流体识别难度大,智能算法能够较好地建立其流体识别模型.相较于单一智能算法,分类委员会机器通过联合多个专家(智能算法)有助于提升智能模型整体性能.而针对分类委员会机器中单个专家性能难以提升的问题,添加门网络构建动态分类委员会机器是一种更有效的模块化学习方式.本研究首先采用门网络将输入数据划分为多个子数据集,然后联合决策树、概率神经网络、贝叶斯分类、BP神经网络、最近邻算法分别训练子数据集得到多个子模型,最后利用组合器最优化子模型组合得到最佳的流体识别模型.针对塔里木盆地库车坳陷大北、克深、博孜地区致密砂岩地层测井数据和测试数据,采用平均影响值法优选敏感测井系列作为输入,构建了动态的测井流体识别模型,其训练、验证准确率分别为96.29%和91.39%.利用此模型以BZ9井为例进行流体类型判别,预测结果与测试结果一致.该方法将无监督与有监督学习相结合,引入门网络提高了数据集利用效率,避免了数据集分布不均衡对模型构建的影响;采用投票机制集成多种专家,建立了子模型与专家的适应关系,流体识别模型预测精度和泛化能力大大提高.     

基于模糊神经网络和证据理论的结构损伤识别新方法

为了有效利用结构健康监测系统中的多源不确定数据,提高损伤识别的正确率,通过构造模糊神经网络(FNN)分类器,提出了一种新的概率赋值函数构造方法和数据融合损伤识别新方法.该损伤识别方法先对数据预处理,提取有效的特征参数,接着将它作为FNN的输入,构造FNN分类器,最后运用数据融合中的D-S证据理论计算出融合决策结果.为了验证所提方法的有效性,通过一个七层剪切型框架结构的数值模型,分别用单一FNN分类器和数据融合损伤识别方法进行了损伤识别和比较.研究结果表明,本文所提方法比单一决策结果更准确,具有更高的可靠度。     

Semi-automatic detection of faults in 3D seismic data

The semi‐automated detection of objects has been quite successful in detecting various types of seismic object, such as chimneys. The same technique can be applied successfully to detect faults in 3D seismic data. We show that several different attributes – among others, similarity, frequency and curvature, all of which potentially enhance the visibility of faults – can be combined successfully by an artificial neural network. This results in a fault ‘probability’ cube in which faults are more continuous and noise is suppressed compared with single‐attribute cubes. It is believed that the fault‐cube can be improved further by applying image‐processing techniques to enhance the fault prediction.     

基于BP神经网络的空间索杆结构承重索损伤识别研究

针对某实际空间索杆结构的承重索预应力松弛现象,采用BP神经网络与基于振动的损伤识别方法,分别对单榀承重索和双榀承重索的预应力松弛进行了识别研究。研究表明,虽然空间索杆结构的动力性能较为复杂,但归一化后的结构前10阶固有频率变化比和归一化后的对应结构第一阶模态的部分节点的损伤信号指标对承重索的损伤位置较为敏感,利用其进行损伤定位是可行的。在此基础上,再增加考虑结构的第一阶同有频率平方变化比即可进一步有效识别出承重索的损伤程度。     

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.     

三维复杂速度模型中地震的快速精确定位

讨论了全局选择震源初始位置下的矩阵反演求取全局解的问题．与流行的全局优化搜寻直接定位方法相比,该反演算法是一种行之有效的定位方法,具有定位精度高、计算时间少以及对噪声数据不敏感等特点．其突出的优点是在不增加计算难度和计算时间的前提下,用矩阵反演的方法确保得到全局最小值解,可适应于地震早期预警,海啸早期预警,以及大震速报等实际工作．      

环境激励下基于波动能量法的结构损伤识别

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。     

基于小波包和峰度赤池信息量准则的P波震相自动识别方法

基于小波包变换和峰度赤池信息量准则(AIC), 提出了一种新的自动识别P波震相的综合方法, 即小波包-峰度AIC方法． 首先对由加权长短时窗平均比(STA/LTA)法粗略确定的P波到时前后3 s的记录进行小波包三尺度的分解与重构, 分别计算每个尺度重构信号的峰度AIC曲线并将其叠加, 叠加曲线的最小值则为P波震相到时; 然后对原始地震记录进行有限冲激响应自适应滤波以提高信噪比和识别精度; 最后将小波包-峰度AIC方法应用到合成理论地震图及实际地震记录的P波初至自动识别中. 结果表明: 初至清晰度对识别精度的影响比信噪比对其影响更大; 与单独使用加权STA/LTA方法和峰度AIC法相比, 小波包-峰度AIC法具有更强的抗噪能力, 识别精度更高; 当初至清晰时, 小波包-峰度AIC法自动识别与人工识别的P波到时平均绝对差值为(0.077±0.075) s．