基于小波分析和神经网络的框架结构损伤诊断方法

本文提出了基于“能量—损伤”原理，综合利用小波包分析和神经网络的框架结构损伤诊断方法。在结构损伤诊断中，时域信号经小波分析后其缺损特征会更加明显，把分布在不同频带的结点能量作为神经网络的训练样本能够很好地反映结构缺损特征。以美国土木工程师学会提出的基准结构为例，阐述了结构损伤的发生、位置和程度诊断过程，取得了令人满意的结果。     

基于小波包能量特征向量的结构动力响应损伤识别

在结构动力响应监测中如何准确判断结构损伤状况是工程上的一大难题,本文研究通过小波包能量特征向量提取结构损伤信息来识别结构损伤的方法,并进行实验分析,同时分析噪声对能量值的影响。实验发现:小波包能量特征向量具有识别结构状态的能力,并且不受噪声的影响,相反,对观测信号去噪后不利于能量特征向量的提取。     

基于小波包变换的滤波方法

基于小波包变换的基本原理,提出了对不同频率范围的信号和噪声进行滤波处理的方法．利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的．仿真结果表明,小波包变换具有许多其它分析手段所不具备的优点,是一种有效的滤波方法,可应用于地震信号的预处理     

基于统计的小波包分析的输电塔结构损伤预警

本文针对输电塔结构的损伤特点,提出了基于统计过程控制理论和小波包分析实现输电塔结构损伤预警的方法。首先将振动测试信号进行小波包分解,然后以小波包系数节点能量作为识别损伤的特征向量建立相应的损伤因子,通过统计过程控制理论计算其单侧置信上限,实现输电塔结构的损伤预警。为了证明该方法,对一个三层输电塔结构模型进行了试验研究,结果表明该方法能够有效地识别损伤的发生。     

利用小波包方法分析新疆南部地震前长波辐射异常

以新疆南部为主要研究区域,选取2003—2010年M_S5.0典型震例进行分析,将长波辐射日值数值与历年日值数据均值相减,排除年际数据波动干扰,采用小波包方法,对均一化处理后的差值进行分解重构,发现新疆南部地区地震前小波包重构信息均有不同程度的能量衰减现象,且能量衰减时间长短与地震震级之间存在一定对应关系。该现象可以作为地震前兆异常信息参考,为地震预报提供辅助监测手段。     

利用小波包方法分析新疆南部地震前长波辐射异常

以新疆南部为主要研究区域,选取2003-2010年MS＞5．0典型震例进行分析,将长波辐射日值数值与历年日值数据均值相减,排除年际数据波动干扰,采用小波包方法,对均一化处理后的差值进行分解重构,发现新疆南部地区地震前小波包重构信息均有不同程度的能量衰减现象,且能量衰减时间长短与地震震级之间存在一定对应关系。该现象可以作为地震前兆异常信息参考,为地震预报提供辅助监测手段。     

基于小波包分解的地层吸收补偿

在分析地震反射波勘探信号小波包分解特性的基础上,提出了基于小波包分解的地层吸收补偿方法．如果没有地层吸收,浅层反射波和深层反射波具有相同的振幅谱而相位谱相差一线性相位．如果把地震记录分成不同的频段,不同频段对于时间的能量分布关系具有相似性,即对所有频段的深层反射的能量与同一频段浅层反射能量之比应该相同;只是不同频段的绝对能量大小不一样．由于地层的吸收造成各频段能量对时间的分布不同,如果给这些频段乘以时变权使各频段能量对时间的分布相同,就起到了对地层吸收的补偿作用．该方法首先用小波包对地震勘探信号进行分频,然后根据地层吸收的特点,在每一个频段上分别提取每一个时间点的吸收系数并用其倒数加权每一个小波包系数,再用加权后的小波包系数重构地震反射波记录消除地层吸收．该方法适合Ｑ值未知的情况,对变Ｑ和常Ｑ都能适应．从实际应用效果看,该方法能很好的补偿地层的吸收。     

经验模分解及小波分析在结构损伤识别中的应用:试验研究

本文利用一个三层剪切型结构模型在各种激励下的振动台试验,研究经验模分解（empirical mode decomposition,EMD）和小波分析（wavelet analysis,WA）在结构损伤识别中的应用。研究针对结构刚度突然损失的损伤类型,并在试验中通过连接在模型两侧的弹簧的断裂来模拟。利用EMD和WA分析试验记录到的结构加速度信号来识别结构损伤发生的时刻和位置。试验结果表明,EMD和WA方法均可利用分解信号中的尖峰准确识别结构损伤发生的时刻,并利用信号尖峰在结构上的空间分布来确定损伤位置。研究表明,EMD和WA都是进行结构在线检测的良好方法。     

基于小波包分解的地层吸收补偿

在分析地震反射波勘探信号小波包分解特性的基础上,提出了基于小波包分解的地层吸收补偿方法．如果没有地层吸收,浅层反射波和深层反射波具有相同的振幅谱而相位谱相差一线性相位．如果把地震记录分成不同的频段,不同频段对于时间的能量分布关系具有相似性,即对所有频段的深层反射的能量与同一频段浅层反射能量之比应该相同;只是不同频段的绝对能量大小不一样．由于地层的吸收造成各频段能量对时间的分布不同,如果给这些频段乘以时变权使各频段能量对时间的分布相同,就起到了对地层吸收的补偿作用．该方法首先用小波包对地震勘探信号进行分频,然后根据地层吸收的特点,在每一个频段上分别提取每一个时间点的吸收系数并用其倒数加权每一个小波包系数,再用加权后的小波包系数重构地震反射波记录消除地层吸收．该方法适合Ｑ值未知的情况,对变Ｑ和常Ｑ都能适应．从实际应用效果看,该方法能很好的补偿地层的吸收。     

基于小波变换与小波包变换的降噪方法比较

在模拟地震记录信号中加入信噪比为17的高斯白噪声,然后分别采用小波降噪和小波包降噪方法,对含噪信号进行降噪处理。在不同降噪阈值下,比较降噪后信号的信噪比。结果表明:在同一降噪阈值下,小波包降噪后信号的信噪比高于小波降噪后信号的信噪比,而且采用wbmpen方法给定的阈值明显可以提高降噪后信号的信噪比。     

地震与爆破的小波包识别判据研究

利用sym5小波包基函数对小震级天然地震和人工爆破波形进行4层小波包分解并绘制了时频谱图.通过时频谱图可直观得出, 爆破频率成分简单, 时频谱聚集性较好. 为寻求定量的识别指标, 综合P波和S波小波包变换结果, 提出并定义了P/S能量比. 分析识别效果较好的 P/S能量比判据得出爆破的P波主频集中在频段3.125—9.375 Hz处, \t地震频率成分较复杂, S波在高频12.5—23.4375 Hz处也较发育, 在这些频段上, 爆破的P波与S波差异要大于地震的P波与S波差异. 作为小波包判据研究的补充, 文中也提取分析了P波的能量比与S波的能量比. 能量比判据识别结果表明, 人工爆破与天然地震的频率成分存在差异, 通过小波包变换能够提取有效的识别判据.     

基于提升小波的框架结构损伤识别研究

提升小波分析方法可以将信号按任意精度进行分解,具有优越的时、频局部化性能。文中在提升小波分析基础上提出了框架结构的损伤检测和识别方法。首先将结构加速度响应信号进行提升小波变换,然后采用单支重构的方法获取细节信号,通过细节信号的突变特征识别结构损伤情况,并用悬臂梁的数值模拟和三层框架模型结构试验验证了所提出方法的实用性。     

基于曲率模态和小波变换的结构损伤位置识别

小波变换具有在时域和频域内表征信号局部特性的能力,能够在不同尺度下对结构响应中的突变信号进行放大和识别.在结构曲率模态基础上,本文提出了一种基于小波变换的结构损伤检测和定位方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,用损伤前后小波变换系数残差建立了结构损伤指标,通过小波变换系数残差的分布统计情况判定损伤的存在并确定其位置.应用简支梁数值模拟结果对该方法进行了验证.     

小波包单子带重构提取GPS序列特征信息

GPS观测环境愈来愈复杂,动态观测值包含的影响因素较多,函数关系复杂,影响特征信息的提取和参数模型的解释能力.小波包具有良好的时频分析能力,利用小波包理论对GPS数据序列进行分解与重构过程中有三个基本运算：与小波滤波器卷积、隔点采样、隔点插零,该三项运算产生频率交错和频率折叠等频率混淆现象.为消除频率混淆现象,分解与重构时,每作一次信号与小波卷积后,将其结果作一次快速傅立叶变换,频谱中多余的频率成分的谱值置零,再对置零后的频谱进行傅立叶逆变换,然后继续进行小波包的分解与重构,从而实现单子带重构提取GPS数据序列特征项.通过实例验证了小波包单子带重构提取GPS特征信息的有效性.     

基于BP神经网络的网格结构损伤识别与试验研究

针对网格结构中杆件数量众多,但节点数总是远远小于杆件数的特点,损伤识别中采用了基于BP神经网络技术和面向节点的损伤初步定位方法的网格结构损伤识别的三步法。对双层柱面网壳结构模型在不同杆件去掉时的四种损伤情况下的振动特性进行了实测,并以实测低阶模态的频率变化率和少数测点的振型分量作为神经网络输入参数,对模型的各种损伤情况进行了识别。结果表明,所用的方法可以精简神经网络的结构,并提高其模式识别的能力。该方法可用于对大型复杂结构的损伤识别。     

基于减法聚类模糊神经网络的砂土液化势判别

砂土地震液化问题是岩土地震工程学的重要研究课题之一。在分析模糊神经网络原理的基础上,利用减法聚类算法对自适应模糊推理系统进行优化,并建立了砂土地震液化的模糊神经网络模型。然后,将该模型用于实际工程的砂土液化判别中,并与传统砂土液化判别方法结果进行对比。判别结果表明:文中建立的模糊神经网络模型具有较强的学习功能,用于砂土地震液化判别中是可行的和有效的。