一、基于振动特性灵敏度分析的梁结构损伤识别（论文文献综述）
文袁[1]（2021）在《基于模态信息熵与两阶段信息融合的梁结构损伤诊断研究》文中研究表明近年来,我国桥梁工程事故的频发,结构健康监测系统能及时评估结构的运营状态,有效避免事故的发生,为桥梁结构的维护和管理提供决策的依据,是土木工程领域研究的重点。一方面,损伤识别是结构健康监测的核心部分。另一方面,随着桥梁服役年限的增加,复杂环境中的桥梁因为各种不确定性因素造成损伤的积累,最终可能引发桥梁事故,因此对桥梁结构进行损伤识别方法研究非常有必要。本文主要利用梁结构曲率模态参数的确定性识别方法结合信息熵理论、信息融合理论等不确定性识别方法展开损伤识别方法研究,提出一种基于模态信息熵和两阶段信息融合诊断的损伤识别方法,建立有限元模型,通过数值模拟和理论分析,进行方法的有效性和可靠性验证。通过实验室模型验证了模态曲率熵与两阶段信息融合诊断方法的工程适用性。本文开展的主要工作和研究结果如下:（1）基于曲率模态的理论基础,将模态曲率差、模态曲率比、广义柔度曲率差结合信息熵理论构建模态曲率差熵、模态曲率比熵、广义柔度曲率差熵（Generalized Flexibility Curvature Difference Entropy,GFCDE）三个指标。通过MIDAS/Civil建立简支梁和连续梁有限元模型,对比分析传统模态曲率指标与模态曲率熵指标在不同工况下的损伤结果,引入不同的噪声水平对三种模态曲率熵指标进行抗噪性验证。对比分析结果表明:GFCDE指标的前三阶损伤识别效果、抗噪性明显优于其他两种指标。（2）引入两阶段D-S证据理论信息融合方法,结合GFCDE指标对桥梁结构损伤识别方法进行进一步研究。建立简支梁和连续梁的有限元模型,获取结构的模态数据,计算结构损伤前后的前三阶GFCDE指标,将每一阶GFCDE损伤识别结果作为单个信息源,基于GFCDE指标和两阶段信息融合的方法编写MATLAB程序,对简支梁和连续梁进行不同工况的损伤识别。融合结果表明:两阶段信息融合的结果相比于仅用GFCDE指标的识别结果更明显,且具有良好的准确性和抗噪性。（3）通过力锤激励对简支钢梁进行振动模态测试试验,验证GFCDE指标和两阶段信息融合方法在实际工程中的适用性,通过对梁截面开口的深度和宽度模拟损伤程度大小,利用Coinv DASP MAS模态与动力学分析软件获取所需试验结构的前三阶模态振型值和频率值,按照信息融合步骤进行损伤识别与结果分析。实验结果分析表明:基于不确定性分析的两阶段信息融合方法对实验室模型的损伤识别效果较好,对实际工程有一定的指导作用。
何坤[2]（2021）在《基于模态信息熵和GA-BP神经网络的桥梁损伤识别研究》文中认为随着我国桥梁老化问题日益突出,桥梁损伤识别和健康监测已经成为未来桥梁发展的重要方向。基于结构振动特性和智能算法等理论的损伤识别方法已经得到很大的进展,但是,桥梁的损伤识别仍然存在很多难点,如实测完备信息获取难度大,环境噪声影响大,结构损伤程度定量分析难等困难。所以本文基于前人研究和结构损伤识别现状,结合信息熵,模态应变能和智能算法理论的优势进行了结构损伤定位分析与定量分析,相关研究如下:（1）对传统的模态应变能理论进行了改进,改进后的模态应变能理论同时采用了损伤前后的振型。结合改进模态应变能理论和信息熵理论,推导出损伤前后改进模态应变能熵函数,构造出新的损伤识别指标:改进模态应变能熵值变化率（Improved Modal Strain Energy Entropy Gradient,IMSEEG）来对结构的损伤位置进行分析。（2）建立了简支梁桥和桁架梁桥两种不同结构形式的桥梁进行数值模拟分析,验证了IMSEEG指标进行损伤定位的有效性和准确性,并运用数据拟合方法对结构的损伤程度进行了分析,且对其进行了抗噪性分析。（3）运用遗传算法优化BP神经网络的初始权值和阈值,构建GA-BP神经网络,以损伤识别指标IMSEEG作为网络的输入,输出各单元的刚度折减系数,以此来对结构的损伤进行定量分析。（4）为进一步验证IMSEEG指标和GA-BP神经网络的实际应用能力,进行了简支钢梁桥振动测试试验。以钢梁开槽模拟结构损伤工况,获取结构损伤前后的模态信息,按步骤对试验数据进行处理计算。全文结合理论分析、数值模拟及试验验证充分证明了本文方法的有效性和准确性。研究结果表明,本文所推导出的IMSEEG指标能够对简支梁和桁架梁桥的单点损伤和多点损伤进行准确定位。IMSEEG指标结合GA-BP神经网络能够对结构的单点损伤和多点损伤进行精确定量分析,相对误差能够保持在5%以内。IMSEEG在分析简支梁桥损伤时能够在信噪比为20d B及以上的环境下准确识别出损伤位置,在桁架梁桥结构中则需要在信噪比为40d B及以上的环境下才能精准定位损伤,表明随着结构复杂程度的提高,IMSEEG指标的抗噪性能会受到一定程度的影响。最后,基于简支钢梁试验进一步验证了损伤识别方法的准确性,但受到试验中不可控因素的影响,使得损伤识别精度有所降低。
孙健敏[3]（2021）在《频响函数和传递比函数灵敏度代数算法及其在结构损伤识别中的应用研究》文中研究指明频响函数和传递比函数是描述结构动力系统输入-输出和输出-输出关系的两类经典数学模型。两者由于具有明确的物理含义,包含完整的模态信息,并且可以避免模态参数识别造成的误差,在结构损伤识别领域获得了较为广泛的关注。将频响函数和传递比函数应用于结构损伤识别之前,一个首先需要解决的问题就是评价它们对损伤参数的灵敏程度。本文在国家自然科学基金面上项目“频响函数概率模型驱动的结构系统识别不确定性量化与传播机理研究”（编号:51778203）等课题的资助下,对频响函数和传递比函数灵敏度及其在结构损伤识别中的应用进行了研究。论文首先采用代数方法推导出了频响函数和传递比函数灵敏度闭合解,该表达式简洁紧凑;此外,论文深入分析了频响函数和传递比函数对不同损伤参数的灵敏度。基于灵敏度代数闭合解,论文解析地推导出了频响函数和传递比函数驱动的结构损伤代数方程组。针对损伤方程组易出现病态等问题,本文对比分析了几类常用的正则化方法在求解基于频响函数和传递比函数灵敏度的损伤方程组中的适用性和优缺点。最后,通过连续梁和平面刚架结构数值算例分析,验证了本文提出方法的有效性和准确性,并讨论了损伤程度、频带影响、噪声水平和测点数目等参数对识别结果的影响。论文的主要工作和结论如下:1.基于代数方法推导了频响函数和传递比函数一阶灵敏度代数闭合解,该表达式简洁紧凑,充分利用了矩阵运算的优点,便于编程和储存。通过简支梁、板结构算例,对频响函数和传递比函数关于不同损伤参数的灵敏度和相对灵敏度特性进行分析。结果表明:（a）频响函数和传递比函数的灵敏度随着频带改变发生变化,频响函数的灵敏度峰值出现在共振频率附近,而传递比函数的灵敏度峰值主要出现在共振频率和其输出对应的频响函数反共振频率附近;（b）相较于频率和振型,频响函数和传递比函数对结构损伤参数更灵敏,更有利于结构损伤识别的应用;（c）损伤单元附近测点对应的频响函数和传递比函数灵敏度并不一定大于非损伤单元响应对应的频响和传递比函数的灵敏度,表明仅利用频响函数和传递比函数损伤指标难以识别损伤位置;（d）选择特定的频带只能检测出部分损伤单元,直接使用频响函数和传递比函数损伤指标检测损伤受频带选择的影响明显。2.基于频响函数和传递比函数灵敏度闭合解及其泰勒展开表达式,解析地推导出了结构损伤代数方程组。针对实际工程中测试不完备性和噪声等因素引起损伤方程组的病态问题,引入正则化方法进行求解,利用连续梁和平面刚架数值模拟验证了本文提出方法的有效性和准确性。对比分析结果表明,基于频响函数和传递比函数的结构损伤方程组均能准确地识别损伤位置和损伤程度,基于频响函数识别的损伤程度更接近真实值,且产生的假阳性错误更少,具有更好的识别效果。3.为了更好地解决损伤方程组求解的病态问题,论文进一步研究了几类常用的正则化方法。本文首先在贝叶斯统计推断框架下对几类方法的区别和联系进行了较为系统的阐释,然后将不同正则化方法应用于频响函数和传递比函数灵敏度驱动的损伤方程组求解。对比分析研究结果表明,L1范数正则化和稀疏贝叶斯学习方法识别结果具有稀疏性,更适合结构损伤方程组的求解。4.论文详细地讨论了损伤程度、频带选取、噪声水平、测点数目等参数对识别结果的影响,为合理选取结构损伤方程组求解的正则化方法提供依据。结果表明:在求解损伤方程组的应用中,L1范数正则化和稀疏贝叶斯正则化学习方法鲁棒性较强,贝叶斯正则化方法次之,奇异值截断算法和L2范数正则化方法的鲁棒性较差;L1范数正则化较稀疏贝叶斯学习方法识别的损伤程度更准确,而后者对损伤程度的识别误差也始终在可接受范围内,并避免了前者正则化参数选择困难的问题,计算效率更高。
赵峰源[4]（2021）在《基于PVDF压电薄膜传感器的损伤识别研究》文中指出船舶等海洋工程结构物长期服役于海洋环境中,工作环境复杂恶劣,船舶在运转期间的安全问题始终是关注的热点。结构健康监测技术（Structural Health Monitoring,SHM）能够在结构服役期间监测结构运行状态,在结构发生损伤的早期识别损伤的存在,能够节省大量人力、物力资源,避免重大的经济财产损失。因此,近年来船舶等海洋工程结构健康监测技术得到了众多学者的研究。结构损伤识别层次是结构健康监测技术的研究重点,通过获取结构振动响应信号识别结构损伤方法获得了广泛关注。结构曲率模态以其对局部变化灵敏度高、损伤定位准确等优点在结构健康监测领域得到广泛应用。本研究依据压电薄膜传感器测量特性,设计、制作了组合式压电薄膜传感器,设计的传感器能够直接测量结构某处应变差响应信号,根据中心差分原理对测量值进行推导计算得到结构局部应变曲率,并结合应变模态识别方法识别结构应变曲率模态参数。通过悬臂梁结构损伤识别实验验证了本文监测方法的有效性。本文主要研究内容有:（1）本文基于应变模态分析理论,对应变曲率模态进行了推导,分析多自由度结构振动微分方程,得到了应变曲率模态的数学表达式。并详细介绍了基于模态振型差分计算方法和基于应变模态转化两种计算结构曲率模态的方法。（2）本文详细阐述了压电薄膜传感器的测量特性,并基于中心差分计算原理提出了组合式压电薄膜传感器的测量方法。本文设计、制作了组合式压电薄膜传感器,通过组合式压电薄膜传感器获取结构应变差响应信号,进而得到结构应变曲率模态参数。分析压电薄膜传感器并联连接方式,将压电薄膜单片传感器与并联传感器进行损伤识别对比研究。（3）本文设计了悬臂梁结构的模态参数识别实验和损伤识别实验。实验中通过锤击方法激励结构振动,在传感器附近增加质量块的方法模拟结构损伤。在结构运行模态识别试验中,通过峰值拾取法获取悬臂梁结构的固有模态参数,与数值计算结果相一致。在悬臂梁损伤识别实验中,对组合式压电薄膜传感器和单片传感器的监测方法进行对比分析,验证了本文提出的组合式压电薄膜传感器结合应变曲率模态损伤监测方法的有效性。（4）本文设计了四周刚固的加筋板损伤识别实验。实验中进一步探讨压电薄膜传感器在加筋板结构损伤识别效果,在加筋板损伤识别实验中,在板结构、腹板结构和面板结构处分别粘贴压电薄膜传感器。对同一损伤,研究了不同传感器位置对损伤识别灵敏度。根据压电薄膜传感器的测量特性,采用传感器并联连接方式对加筋板结构进行损伤识别研究,将其识别结果与单片压电薄膜传感器进行对比分析,损伤识别效果良好。
朱国树[5]（2021）在《机器学习方法在结构可靠度分析及损伤识别中的应用研究》文中研究指明现代工程结构日益大型化、轻柔化,其安全服役和动力灾变问题越来越突出。结构可靠度分析和结构健康监测是保障工程结构长期服役和安全运营的两个重要研究内容:一方面,结构可能直接承受作用强度远超其设计极限的极端自然灾害,导致结构体系失效,因此有必要对结构进行动力可靠度分析;另一方面,在漫长的服役期内,结构会因环境侵蚀和材料老化等因素的影响出现功能退化,致使服役性能不断下降,因此需要利用损伤识别等手段为结构安全评估提供依据。然而,现阶段结构动力可靠度分析及结构损伤识别都还面临诸多挑战,尤其是如何提高计算效率和精度方面仍然具有很大的探索空间。近年来,以神经网络为代表的机器学习技术在土木工程领域受到了广泛关注,其强大的非线性拟合能力、特征提取能力和高度灵活的结构形式使得其已经渗透到土木工程各个研究方向,被用以解决传统方法难以处理的问题,展现出了很好的工程应用潜力。正是基于这样的考虑,论文以机器学习方法在结构动力可靠度分析和结构健康监测中的应用为着眼点,以提高可靠度分析和结构损伤识别的效率和精度为目标,建立了基于径向基神经网络的桥梁颤振可靠度分析方法以及基于贝叶斯卷积神经网络和振动传递比的结构损伤识别方法,通过数值模拟和实验对所提方法的准确性和有效性进行了验证。本文主要工作和结论如下:1.论文对人工神经网络和深度学习的基本概念、基本原理和若干常用数学模型进行了较为系统地梳理,并讨论了两者的联系及适用范围;重点阐述了本文将采用的径向基神经网络和卷积神经网络核心网络层的功能和算法。针对卷积神经网络存在容易过拟合的缺点,论文进一步介绍了贝叶斯卷积神经网络,该方法通过对权重的概率建模来正则化神经网络,引入贝叶斯统计推断的框架量化参数的不确定性,能够有效提升模型的泛化性能。2.在基于机器学习方法的动力可靠度分析方面,论文针对颤振失稳功能函数计算成本高、隐式表达和高维非线性的特点,使用径向基神经网络作为代理模型来替代计算复杂耗时的颤振临界风速搜索过程,结合蒙特卡洛技术,建立了一种高效的桥梁颤振失效概率求解方法。为进一步提高分析效率,论文还提出了一种基于动态距离约束和加权抽样的自适应采样策略,将使用径向基神经网络在变量设计空间全域拟合颤振失稳功能函数的问题转换为拟合极限状态面的问题,降低了计算的复杂度。为实现自适应采样的迭代过程,论文基于全模态颤振分析理论,使用MATLAB和ANSYS协同分析技术,建立了参数化颤振临界风速分析有限元模型,实现了颤振分析过程的“自动化”和“在线化”。3.为了验证本文提出的桥梁颤振失效概率求解方法的效率和精度,论文通过非线性无阻尼单自由度系统和二维小失效概率模型数值算例验证了所提自适应采样策略的适用性和有效性,结果表明,相较于已有自适应采样方法,该策略在精度相当的前提下具有更高的计算效率;通过理想平板断面简支梁桥算例对所提桥梁颤振可靠度分析方法的可行性进行了验证,分析结果表明,该方法具有良好的适用性,具备较高的计算精度和计算效率。4.在基于深度学习的结构损伤识别方面,论文充分发挥振动传递比函数能够有效消除未知激励的影响以及贝叶斯卷积神经网络对数据特征自动提取的优势,采用神经网络有监督学习思路,建立了传递比函数驱动的贝叶斯-CNN损伤识别方法。该方法通过采集各损伤工况结构加速度响应信号来构造传递比数据集,并直接将其作为输入对贝叶斯卷积神经网络模型进行训练,用于提取数据中对损伤敏感的特征,最终实现对未知损伤工况的识别。为了提高贝叶斯卷积神经网络的推理效率,论文引入了一种高效的随机梯度变分贝叶斯推理方法:变分随机失活,来构造贝叶斯卷积神经网络模型,其通过局部重参数技巧将全局不确定性转换成局部不确定性,能够较大幅度地减少随机梯度的方差和训练的计算量。5.为了验证基于贝叶斯深度学习的结构损伤识别算法的有效性,论文以IASCASCE SHM Benchmark结构数值模型和悬臂梁实验模型为研究对象,对论文所提损伤识别方法进行了验证。结果表明,该方法具备较高的识别正确率;由于传递比函数反映的是结构输出-输出之间的关系,能够有效消除荷载的影响,将其作为卷积神经网络的输入特征,损伤识别效果要优于结构加速度响应功率谱;相较于普通卷积神经网络,贝叶斯卷积神经网络在测试集和训练集的精度更为接近,说明其具备更好的泛化性能,损伤识别能力更好。
李国庆[6]（2021）在《环境激励作用下基于柔度矩阵的损伤诊断》文中研究说明针对环境激励作用下测得的振型未质量归一化问题,本文对基于质量改变法求解质量归一化因子进行了详细研究,对两种求解质量归一化因子方法（基于模态参数灵敏度法和基于经典振动方程法）进行了推导和对比,揭示了两者之间的区别和关系,提出了求解质量归一化因子最优公式。为了能够实现在环境激励作用下对结构损伤识别的目的,提出了几种在环境激励作用下基于模态柔度矩阵的损伤诊断法。主要研究内容:（1）对振型关于质量归一化处理的方法进行了推导及研究,通过数值算例揭示了两种基于附加质量法质量归一化公式的联系与区别,研究表明:基于模态参数灵敏度法推导的归一化因子近似计算公式仅仅是基于经典振动方程法推导的归一化因子近似计算公式的一种特殊情况。同时也研究了基于运动方程法推导出的三种近似计算质量归一化公式在各级振型中的误差大小关系,并对附加质量最优分布规律进行了探索。（2）对现有的柔度损伤检测方法进行了适当改进,通过引入曲率公式,提出了新损伤定位指标,数值算例验证了其可行性,跟传统的基于柔度矩阵损伤指标相比,新损伤定位指标具有较高的鲁棒性和直观性。考虑到结构实测自由度不完备对损伤指标的影响,进一步推导了基于自由度缩聚的柔度矩阵,并将新损伤定位指标的推导思路应用在自由度缩聚后的柔度矩阵上,得到自由度缩聚后相应的损伤定位指标,从而也就实现了对自由度不完备结构的损伤识别,算例研究表明所提新定位指标在自由度缩聚后依然具有较高的抗噪性。（3）本文对模态柔度矩阵在不同矩阵分解法（LU分解和QR分解）处理后对结构损伤识别精度产生的影响进行了研究,以分解后的三角矩阵（U矩阵和R矩阵）作为研究对象,提出了基于三角矩阵的损伤定位指标,通过算例验证了其准确性和鲁棒性。本论文研究工作为环境激励作用下未质量归一化振型的处理提供了理论基础,为环境激励作用下的损伤诊断提供了新思路,同时也为实测自由度不完备的结构损伤诊断提供了参考依据。
薛睿渊[7]（2020）在《阀门管道系统结构参数识别及其在地震期间动态行为分析》文中研究指明核电站中存在大量被划分为抗震重要等级的阀门管道系统,目前工程实践中对阀门管道系统在不同频率成分地震激励下真实动态行为的相关研究和高频地震激励对阀门危害性的相关研究都是很大程度上未被探索的领域。基于此,推导了可以直接利用地震响应对阀门管道系统中未知结构参数进行识别的有限元模型修正方法,然后搭建了安装有DN80闸阀的管道系统并对其进行地震模拟试验,接着利用提出的方法建立了能准确反映试验结构动态特性的有限元模型。结合数值模拟和试验结果对核电阀门管道系统在不同频率成分地震激励下可能表现出的动态行为进行讨论,研究了高频地震激励对核安全级阀门的危害性,并对反应谱法和等效静力法对阀门管道系统抗震鉴定结果的误差进行了定量分析。论文主要结论如下:1.提出了可以直接利用地震响应对核电系统和设备中未知结构参数进行识别的基于振动控制方程误差的两阶段有限元模型修正方法。利用该方法建立了能够准确反映试验结构动态特性的有限元模型,证明了该方法的实际可行性。同时也证明相对于已经在航天航空领域有广泛运用的基于频响函数残差的有限元模型修正方法,文中提出的方法对未知参数初始估计的依赖性更低,更适合使用加速度响应来识别结构中的参数。利用基于振动控制方程误差的有限元模型修正方法对结构参数进行识别可以避免模态或者频响函数的测量,该方法的提出为有限元模型修正技术在NPP中的运用提供了简便的途径,对核电站的安全运行有重要意义。2.由于阀门管道系统在制造和安装过程中的随机性,其有限元模型中不可避免的存在大量未知结构参数。在核电阀门管道系统服役和试验过程中应在尽可能多的特征点采集其在基础激励下的响应,提高有限元模型修正技术在阀门管道系统建模过程中的利用率以提高分析结果的可靠性,同时应建立典型结构修正后模型的数据库,在类似结构的建模过程中直接使用。3.集中质量有限元模型能够准确预测管道结构和阀门管道系统的地震响应,但其只能准确预测较为简单的管道结构在白噪声、正弦扫频波等特殊激励下的响应。由于阀门的存在,阀门管道系统的阻尼分布呈现一定程度的非比例特点,管道系统和阀门管道系统的Rayleigh阻尼系数随着其遭受地震激励幅值的增加而增加。4.在不同频率成分地震激励下阀门管道系统将表现出不同的抗震薄弱点,在模型可靠的前提下从理论振型推断阀门管道系统潜在的抗震薄弱点是可行的。阀门管道系统对地震中的中、高频分量有着比低频分量更高的敏感性。地震中的中频分量存在被阀门在水平方向放大的可能性,而管道则有能力在水平和垂直方向放大激励中的高频成分。阀门和管道的最大响应分别出现在水平方向和垂直方向。高频地震激励下阀门管道系统的响应表现出局部响应骤然增大的特点。与低频地震激励下阀门随着管道的振动而振动不同,高频地震激励对核安全级阀门的危害在于使阀门在整个系统的某阶固有频率处以其自身固有振型发生真正意义上的共振,此时阀门顶部将取代阀门与管道连接位置成为阀门中响应最大的位置,这会导致安装于阀门顶端的驱动机构遭受苛刻的地震工况。增加管道阻尼和阀门刚度能够有效降低高频激励对阀门的危害性,但增加阀门刚度会导致系统其它部位响应增大。5.在利用反应谱法计算阀门管道系统地震期间的响应时,选定的阻尼比和阀门管道系统实际的阻尼分布特点决定了反应谱法计算结果的裕度。反应谱法计算结果可能对系统低阻尼部位响应估计不足,对系统高阻尼部位响应过度估计。利用等效静力法对阀门进行抗震鉴定时,对阀门与管道连接部位内力估计不足,对阀颈、阀体垂直部分和阀盖等阀门上部构件的内力估计结果具有非常大的裕度,计算过程中考虑阀门与管道的耦合作用可以降低等效静力法计算结果与实际情况之间的偏差。
王欣儿[8]（2020）在《基于SSA优化算法和灵敏度分析的结构损伤识别》文中进行了进一步梳理近些年来,随着国民经济的迅速发展,土木工程建设等大型结构物日益涌现,随之带来的结构因超载、疲劳等因素造成的破坏事件也越来越多。因此,结构健康监测在国家的大力支持下得到了快速发展。结构损伤识别是结构健康监测领域的一个重要环节,受到国内外学者的广泛关注。而群智能算法为结构损伤识别技术提供了一个全新的发展思路。基于群智能算法的结构损伤识别方法具有较好的全局寻优能力、较快的迭代过程,解决了大部分传统优化技术难以解决的高维度、复杂的优化问题。本文利用樽海鞘算法（Salp swarm algorithm,SSA）—在其他领域已获得的成果,将其应用到结构损伤识别中来。同时本文通过选取合适的损伤指标、加权策略构建目标函数以提高识别精度,并结合灵敏度分析提高识别效率,对结构损伤识别进行研究,着重开展以下相关的研究工作:（1）对近年来各类结构损伤识别方法进行综述,可分为确定性和非确定性的结构损伤识别方法两大类,主要有以下几种:基于模型修正的识别方法、基于实测时域信号的识别方法、基于固有频率和振型等的静动力指纹法;非参数系统识别方法、基于概率统计的识别方法等。分别对各类方法进行了简要的阐述和分析。（2）提出了基于CI（Cosine-based indicator）损伤指标和SSA算法的结构损伤识别方法。验证不同损伤指标在噪声影响下的损伤识别精度,相对于传统的MAC（Modal assurance criterion）指标,CI损伤指标对损伤更为敏感。同时,在目标函数中引入加权系数,适当分配频率和振型的占比,使得识别结果更加合理。本章介绍了SSA算法的基本理论和方法,并阐述如何将SSA算法引用到结构损伤识别。通过简支梁、二层刚架两个数值仿真算例对所提方法进行了验证,并与CACO（Continuous ant colony optimization）方法进行了比较。（3）提出了基于灵敏度分析和SSA算法的结构损伤识别方法。该方法首先通过模态分析得到无损结构的频率和振型,分别构建关于频率和振型的灵敏度矩阵;然后利用SSA算法获得结构中损伤折减系数的分布,即樽海鞘的位置信息组成的向量,将相应的灵敏度矩阵给定到具体的樽海鞘位置;最后采用泰勒近似公式逼近损伤振型及频率,并通过求解目标函数得到最后的最优解。为了提高所提新方法的识别精度、噪声鲁棒性以及结果的合理性,在新方法的基础上,推导出高阶灵敏度矩阵并将其应用到结构损伤识别问题中。采用二层刚架数值仿真验证所提方法的可行性和有效性。（4）实验室搭建悬臂梁结构,以验证基于CI损伤指标和SSA算法的结构损伤识别方法。开展试验模态分析获得结构健康状态和损伤状态的频率与振型信息。采用SSA算法对建立的模型有关参数进行修正,以获得最接近于悬臂梁实验结构的有限元模型。采用梁长和梁宽折减的方式进行损伤模拟,通过锤击法获得损伤状态下各阶模态信息,并用所提方法对其进行损伤识别。
冯锦飞[9]（2020）在《基于模态参数的在役风力发电机叶片损伤识别研究》文中提出运行状态下的风机叶片由于工作环境多变复杂以及运行时产生的振动和变形导致损伤从而影响风机的平稳运行。本文基于损伤前后叶片模态参数变化的损伤识别原理,对静止状态与旋转状态下的损伤前后叶片进行损伤实验与有限元模拟。之后基于加权柔度曲率损伤指标对损伤位置进行定位以及对损伤程度进行量化判断,从而达到叶片在线监测与检测。主要得到如下结论:1、通过对停转与运转状态下的叶片进行损伤试验研究,结果表明损伤会降低叶片固有频率值,且随着损伤面积的增大,频率下降的越多。同时,当叶片在损伤一定的情况下时,越靠近叶根处,频率下降的越多。而在运转状态下,由于旋转产生的动力刚化效应,使得叶片无论是否发生损伤,其固有频率值均增大,但在一定的转速范围内,损伤叶片频率值均低于完整叶片频率值。以上研究表明我们可通过频率值的变化判断叶片是否发生损伤,但不能确定损伤位置。2、通过测量试验所用叶片尺寸建立有限元模型,首先进行与试验叶片相同的损伤类型、损伤面积下的模态分析,并与试验进行对比。结果表明结论一致,互相映证。其次通过降低弹性模量的方式进行停转与运转状态下的多种损伤程度、多处损伤工况的模态分析,得到频率的变化规律以及对振型的影响。同样得出损伤会降低叶片固有频率值,同时损伤程度一定时,单一损伤比俩处损伤频率下降更多。叶片绕轮毂旋转时,通过前十阶自振频率与转速的关系图,可知随着转速的增加频率均呈上升趋势。表明频率的改变率对损伤识别的敏感性降低,转速由0rad/s上升到15rad/s时,叶片的自振频率还小于叶片的固有频率,此时可通过固有频率变化确定是否发生损伤。3、在单一损伤与多损伤结点处,加权柔度曲率值远大于其他无损位置处,表现为损伤位置处尖峰凸起,且在其附近结点处递减。无论是哪种程度的损伤整体趋势基本一致,表明加权柔度曲率值识别损伤位置效果显着。随着损伤程度的增大,损伤位置处加权柔度曲率值随之增大,表现为尖峰凸起越明显。对加权柔度曲率值值与刚度损伤值的拟合函数进行验证,相差1.46%,表明其效果明显,表明通过测量出其模态频率以及振型值可预测其损伤刚度下降值。通过验证相关系数R2,结果表明其拟合曲线可靠性最高。
杜海越[10]（2020）在《环境激励下板结构损伤识别研究》文中研究说明受恶劣海洋环境影响,船舶与海洋结构物在服役期间的安全问起始终是人们关注的焦点。如果能在结构发生破坏的早期及时的发现损伤,那么不但会节省大量的维修成本,还能避免重大安全事故的发生。因此,将结构健康监测技术（Structural Health Monitoring,SHM）应用于船舶与海洋工程日益受到研究者的关注。结构损伤识别是结构健康监测的核心部分,采用结构的振动响应信号识别结构损伤一直是研究的热点。其中结构应变响应与位移模态相比,有对局部损伤灵敏度高的优点,因此被广泛应用于结构损伤识别中。以往的损伤识别研究关注于寻找新的损伤指标以提高损伤识别效率,然而本论文讲重点放在结构应变测量技术上,提出了一种应变测量方式,并通过实验证实有效的提高了损伤识别效率。本文的主要研究内容有:（1）本论文采用有限元法对应变模态进行了推导,证明了应变模态与位移模态具有相似的数学表达式,并以此为基础得到了以应变为变量的多自由度线性比例阻尼结构的振动微分方程,进而求解出了结构应变响应和应变频率响应函数。基于应变响应推导了模态参数辨识方法（NExT-ERA和峰值拾取法）的理论原理。（2）本论文对惠斯通桥路理论进行了详细的数学推导,并以惠斯通桥路理论为基础提出了十字形应变测量方法,这是本论文的一个创新点。十字应变测量方法有两种电路连接方式,对此进行了详细的介绍,并通过有限元法分析比较了这两种测量方式下固支铝板的模态参数。相较于传统的半桥应变测量方式,本方法存在以下优点:传感器能够实现温度自补偿,提高了传感器的利用效率。（3）本论文设计了四周固支铝板的应变模态参数辨识和损伤识别实验。本实验以随机锤击方法模拟自然环境激励,以局部增加质量块儿方法模拟损伤。通过运行模态参数识别方法得到了结构的固有模态参数,与数值仿真相比得到了较好的一致性。在损伤识别实验中,本论文对十字应变测量方法的两种电路连接方式进行了对比研究;对十字应变测量方法与传统半桥应变测量方法进行了对比研究。验证了本论文所提出的应变测量方式有效性。
二、基于振动特性灵敏度分析的梁结构损伤识别（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于振动特性灵敏度分析的梁结构损伤识别（论文提纲范文）
（1）基于模态信息熵与两阶段信息融合的梁结构损伤诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 结构损伤识别研究综述 |
| 1.2.1 结构损伤识别确定性方法 |
| 1.2.2 结构损伤识别不确定性方法 |
| 1.3 存在的问题 |
| 1.4 本文研究的目的和内容 |
| 1.5 本文研究技术路线 |
| 第2章 曲率模态和信息融合基本理论 |
| 2.1 引言 |
| 2.2 模态曲率的基本理论 |
| 2.3 信息熵的基本理论 |
| 2.4 信息融合的基本理论 |
| 2.4.1 信息融合理论概述 |
| 2.4.2 D-S证据理论 |
| 2.4.3 D-S证据理论的融合规则 |
| 2.5 结构单元损伤模拟方法 |
| 2.6 结构损伤识别中噪声的模拟方法 |
| 2.7 本章小结 |
| 第3章 基于曲率模态熵的结构损伤诊断对比研究 |
| 3.1 引言 |
| 3.2 模态熵指标的计算流程 |
| 3.2.1 曲率指标局部概率的建立 |
| 3.2.2 曲率模态熵指标计算 |
| 3.3 损伤程度识别原理 |
| 3.4 算例验证 |
| 3.4.1 简支梁模型建立 |
| 3.4.2 损伤工况设置 |
| 3.4.3 结构损伤识别结果分析 |
| 3.4.4 结构损伤程度识别研究 |
| 3.4.5 指标抗噪性能研究 |
| 3.5 本章小结 |
| 第4章 基于GFCDE指标与两阶段D-S证据信息融合损伤诊断研究 |
| 4.1 引言 |
| 4.2 两阶段信息融合的计算 |
| 4.3 简支梁仿真模拟及结果分析 |
| 4.2.1 模型建立 |
| 4.2.2 工况设置 |
| 4.2.3 仿真模拟及融合步骤 |
| 4.2.4 两阶段D-S证据理论信息融合结果分析 |
| 4.4 连续梁仿真模拟及结果分析 |
| 4.3.1 模型建立 |
| 4.3.2 工况设置 |
| 4.3.3 两阶段D-S证据理论信息融合结果分析 |
| 4.5 抗噪性能分析 |
| 4.6 本章小结 |
| 第5章 基于GFCDE指标与两阶段D-S证据信息融合的试验验证 |
| 5.1 引言 |
| 5.2 试验模型设计与制作 |
| 5.3 损伤模拟及工况设置 |
| 5.3.1 损伤单元等效刚度的确定 |
| 5.3.2 简支钢梁模态参数提取 |
| 5.4 简支钢梁结构有限元模拟及结果分析 |
| 5.4.1 试验结构有限元模拟 |
| 5.4.2 有限元模拟结果分析 |
| 5.5 简支钢梁两阶段D-S证据信息融合试验验证 |
| 5.6 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A:攻读学位期间参与的科研与工程项目 |
（2）基于模态信息熵和GA-BP神经网络的桥梁损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 结构损伤识别研究进展 |
| 1.2.1 基于模态应变能的结构损伤识别 |
| 1.2.2 基于信息熵理论的结构损伤识别 |
| 1.2.3 基于人工智能算法的结构损伤识别 |
| 1.3 现有损伤识别方法的不足 |
| 1.4 本文主要研究内容及技术路线 |
| 第2章 理论基础 |
| 2.1 模态应变能理论 |
| 2.2 信息熵理论 |
| 2.2.1 信息熵的定义 |
| 2.2.2 信息熵的性质 |
| 2.3 GA-BP神经网络理论 |
| 2.3.1 BP神经网络 |
| 2.3.2 基于遗传算法优化的BP神经网络 |
| 2.4 抗噪性理论 |
| 2.5 结构单元损伤模拟方法 |
| 2.6 振型扩阶理论 |
| 2.7 本章小结 |
| 第3章 基于改进模态应变能熵值变化率的桥梁损伤识别研究 |
| 3.1 引言 |
| 3.2 改进模态应变能熵值变化率的推导 |
| 3.3 简支梁桥损伤识别 |
| 3.3.1 简支矩形梁桥数值模型 |
| 3.3.2 基于RMSED和 IMSEEG的简支梁桥单点损伤对比分析 |
| 3.3.3 多点损伤工况分析 |
| 3.3.4 损伤程度分析 |
| 3.3.5 抗噪性分析 |
| 3.4 桁架梁桥损伤识别 |
| 3.4.1 桁架梁桥模型 |
| 3.4.2 单点损伤工况分析 |
| 3.4.3 多点损伤工况分析 |
| 3.4.4 噪声影响下的桁架梁桥损伤识别 |
| 3.5 本章小结 |
| 第4章 基于GA-BP神经网络的桥梁损伤定量分析 |
| 4.1 引言 |
| 4.2 GA-BP神经网络的损伤识别模型设计 |
| 4.2.1 BP神经网络模型设计 |
| 4.2.2 GA-BP算法模型设计 |
| 4.2.3 GA-BP神经网络的桥梁损伤识别步骤 |
| 4.3 简支梁桥损伤定量分析 |
| 4.3.1 算法运行参数设置 |
| 4.3.2 简支梁桥单点损伤定量分析 |
| 4.3.3 简支梁桥多点损伤定量分析 |
| 4.4 桁架梁桥损伤定量分析 |
| 4.4.1 算法运行参数设置 |
| 4.4.2 桁架梁桥单点损伤定量分析 |
| 4.4.3 桁架梁桥多点损伤定量分析 |
| 4.5 本章小结 |
| 第5章 基于IMSEEG和GA-BP神经网络的桥梁损伤识别的试验验证 |
| 5.1 引言 |
| 5.2 试验方案设计 |
| 5.2.1 试验目的及仪器 |
| 5.2.2 试验内容及测点布置 |
| 5.2.3 试验工况设置 |
| 5.3 试验模型有限元模拟分析 |
| 5.4 基于IMSEEG方法的试验验证 |
| 5.4.1 试验数据获取及处理 |
| 5.4.2 试验结果分析 |
| 5.5 基于GA-BP神经网络方法的试验验证 |
| 5.5.1 算法运行参数设置 |
| 5.5.2 训练集及测试集样本获取 |
| 5.5.3 基于GA-BP神经网络的损伤定量分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 A:攻读学位期间参与的科研与工程项目 |
（3）频响函数和传递比函数灵敏度代数算法及其在结构损伤识别中的应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 动力特性灵敏度分析研究综述 |
| 1.3 基于频响函数和传递比函数的损伤识别研究综述 |
| 1.3.1 基于频响函数的损伤识别研究综述 |
| 1.3.2 基于传递比函数的损伤识别研究综述 |
| 1.4 损伤方程组求解的正则化方法研究综述 |
| 1.5 本文主要工作 |
| 第二章 频响函数和传递比函数灵敏度解析表达式 |
| 2.1 频响函数和传递比函数的定义 |
| 2.1.1 频响函数的定义 |
| 2.1.2 传递比函数的定义 |
| 2.2 灵敏度解析表达式 |
| 2.2.1 频响函数灵敏度 |
| 2.2.2 传递比函数灵敏度 |
| 2.3 本章小结 |
| 第三章 频响函数和传递比函数灵敏度分析 |
| 3.1 引言 |
| 3.2 算例1 |
| 3.2.1 简支梁模型简介 |
| 3.2.2 不同动力参数灵敏度对比分析 |
| 3.2.3 频响函数对损伤参数的灵敏度分析 |
| 3.2.4 传递比函数对损伤参数的灵敏度分析 |
| 3.3 算例2 |
| 3.3.1 板结构模型简介 |
| 3.3.2 不同动力参数灵敏度对比分析 |
| 3.3.3 频响函数对损伤参数的灵敏度分析 |
| 3.3.4 传递比函数对损伤参数的灵敏度分析 |
| 3.4 本章小结 |
| 第四章 基于频响函数和传递比函数灵敏度的损伤识别方法 |
| 4.1 引言 |
| 4.2 基于频响函数和传递比函数的结构损伤方程组 |
| 4.2.1 结构损伤指数 |
| 4.2.2 基于频响函数的损伤方程组 |
| 4.2.3 基于传递比函数的损伤方程组 |
| 4.3 损伤方程组求解的正则化方法 |
| 4.3.1 奇异值截断算法 |
| 4.3.2 L2 范数正则化方法 |
| 4.3.3 贝叶斯正则化方法 |
| 4.3.4 L1 范数正则化方法 |
| 4.3.5 稀疏贝叶斯学习方法 |
| 4.3.6 几类正则化方法的区别与联系 |
| 4.4 本章小结 |
| 第五章 损伤方程组求解的算例验证 |
| 5.1 引言 |
| 5.2 连续梁算例 |
| 5.2.1 连续梁模型简介 |
| 5.2.2 基于频响函数和传递比函数的损伤识别 |
| 5.2.3 正则化方法对比分析 |
| 5.3 平面刚架算例 |
| 5.3.1 平面刚架模型简介 |
| 5.3.2 归一化影响 |
| 5.3.3 损伤识别结果 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文研究的主要结论 |
| 6.2 展望 |
| 参考文献 |
| 附录1 L2 和L1 正则化的贝叶斯解释 |
| 攻读硕士学位期间的学术活动及成果情况 |
（4）基于PVDF压电薄膜传感器的损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 结构健康监测研究方法和现状 |
| 1.2.1 基于动力指纹的损伤识别方法 |
| 1.2.2 基于模型修正的损伤识别方法 |
| 1.2.3 基于时域信号的损伤识别方法 |
| 1.2.4 基于概率统计推断的损伤识别方法 |
| 1.3 结构监测传感器分析 |
| 1.3.1 电阻式应变传感器 |
| 1.3.2 光纤光栅传感器 |
| 1.3.3 激光多普勒传感器 |
| 1.3.4 PVDF压电薄膜传感器 |
| 1.4 本文主要研究内容 |
| 2 PVDF压电薄膜传感器 |
| 2.1 压电薄膜传感器在结构监测与损伤识别领域研究现状 |
| 2.2 压电薄膜物理特性 |
| 2.2.1 压电材料与压电效应 |
| 2.2.2 压电材料特性参数 |
| 2.2.3 压电方程 |
| 2.3 PVDF压电薄膜传感器制作过程 |
| 2.4 本章小结 |
| 3 应变曲率模态分析方法 |
| 3.1 曲率模态分析方法基本理论 |
| 3.2 曲率模态计算方法 |
| 3.2.1 模态振型差分计算 |
| 3.2.2 应变模态转化计算 |
| 3.3 损伤识别指标 |
| 3.3.1 应变模态振型 |
| 3.3.2 曲率模态振型 |
| 3.3.3 曲率模态振型变化率 |
| 3.4 本章小结 |
| 4 悬臂梁结构损伤识别实验研究 |
| 4.1 模态参数识别实验 |
| 4.1.1 激励方法及监测方案 |
| 4.1.2 模态参数识别结果 |
| 4.2 损伤识别实验 |
| 4.2.1 实验设计 |
| 4.2.2 损伤模拟 |
| 4.2.3 损伤工况 |
| 4.3 损伤识别结果 |
| 4.3.1 单损伤识别实验结果 |
| 4.3.2 多损伤识别实验结果 |
| 4.4 本章小结 |
| 5 加筋板结构损伤识别实验研究 |
| 5.1 加筋板实验设计与模态参数识别实验 |
| 5.2 传感器布置位置对损伤识别结果分析 |
| 5.3 传感器并联方式对损伤识别结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（5）机器学习方法在结构可靠度分析及损伤识别中的应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 桥梁颤振可靠度分析研究现状 |
| 1.3 结构损伤识别研究现状 |
| 1.4 神经网络研究综述 |
| 1.4.1 人工神经网络研究综述 |
| 1.4.2 深度学习方法研究综述 |
| 1.5 本文主要的研究内容 |
| 第二章 神经网络理论基础 |
| 2.1 引言 |
| 2.2 人工神经网络 |
| 2.2.1 人工神经网络概述 |
| 2.2.2 人工神经网络的典型结构和学习规则 |
| 2.2.3 径向基神经网络 |
| 2.3 深度神经网络 |
| 2.3.1 深度学习典型模型 |
| 2.3.2 卷积神经网络 |
| 2.3.3 基于贝叶斯方法改进的卷积神经网络 |
| 2.4 本章小结 |
| 第三章 基于径向基神经网络的桥梁颤振可靠度分析研究 |
| 3.1 引言 |
| 3.2 全模态颤振分析理论 |
| 3.2.1 自激气动力模型 |
| 3.2.2 颤振特征值分析 |
| 3.2.3 基于ANSYS的桥梁颤振频域分析方法 |
| 3.3 可靠度基本理论 |
| 3.3.1 蒙特卡洛方法 |
| 3.3.2 拉丁超立方抽样方法 |
| 3.3.3 相关变量的变换方法 |
| 3.4 基于距离约束和加权抽样的自适应采样策略 |
| 3.5 桥梁颤振可靠度分析高效算法 |
| 3.5.1 极限状态方程 |
| 3.5.2 随机变量统计分布 |
| 3.5.3 参数化颤振临界风速分析有限元模型的编程实现 |
| 3.5.4 计算流程 |
| 3.6 算例分析 |
| 3.5.1 算例1:非线性无阻尼单自由度系统 |
| 3.5.2 算例2:二维小失效概率模型 |
| 3.5.3 算例3:理想平板断面简支梁桥颤振可靠度分析 |
| 3.7 本章小结 |
| 第四章 基于贝叶斯卷积神经网络的结构损伤识别研究 |
| 4.1 引言 |
| 4.2 振动响应传递比函数基本理论 |
| 4.3 基于贝叶斯卷积神经网络和传递比函数的结构损伤识别方法 |
| 4.3.1 数据集形式 |
| 4.3.2 贝叶斯卷积神经网络模型结构 |
| 4.3.3 贝叶斯卷积神经网络编程实现 |
| 4.4 算例分析:数值模拟和实验验证 |
| 4.4.1 Benchmark结构损伤识别研究 |
| 4.4.2 悬臂梁损伤识别研究 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文研究的主要结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（6）环境激励作用下基于柔度矩阵的损伤诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 工程背景与研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 基于模态频率的损伤识别法 |
| 1.2.2 基于结构模态振型的损伤识别法 |
| 1.2.3 基于结构应变模态的损伤识别法 |
| 1.2.4 基于柔度矩阵的损伤识别法 |
| 1.2.5 基于模型修正法的损伤识别法 |
| 1.2.6 基于神经网络的损伤识别法 |
| 1.3 本文主要研究内容 |
| 2 环境激励作用下的振型质量归一化 |
| 2.1 引言 |
| 2.2 基于灵敏度法的振型质量归一化 |
| 2.2.1 模态参数灵敏度 |
| 2.2.2 基于灵敏度法的质量归一化 |
| 2.3 基于振动方程的质量归一化 |
| 2.4 算例分析 |
| 2.4.1 两种计算质量归一化方法的对比 |
| 2.4.2 附加质量数目对归一化因子的影响 |
| 2.5 质量-刚度变化法 |
| 2.6 本章小结 |
| 3 基于柔度矩阵的损伤诊断 |
| 3.1 引言 |
| 3.2 自由度完备的损伤诊断研究 |
| 3.2.1 柔度矩阵的推导 |
| 3.2.2 损伤定位指标 |
| 3.2.3 提出损伤定位指标的流程 |
| 3.2.4 算例分析 |
| 3.3 自由度缩聚的损伤诊断研究 |
| 3.3.1 自由度缩聚法 |
| 3.3.2 自由度缩聚后的损伤定位指标 |
| 3.3.3 自由度缩聚对附加质量法的影响 |
| 3.3.4 损伤定位指标可行性分析 |
| 3.4 本章小结 |
| 4 基于柔度矩阵分解的损伤诊断 |
| 4.1 引言 |
| 4.2 基于柔度矩阵分解法的损伤识别法 |
| 4.2.1 柔度矩阵的LU分解 |
| 4.2.2 柔度矩阵的QR分解 |
| 4.2.3 损伤定位指标的推导 |
| 4.3 算例分析 |
| 4.3.1 桁架上弦杆损伤识别 |
| 4.3.2 桁架腹杆的损伤识别 |
| 4.4 自由度缩聚对损伤指标的影响 |
| 4.4.1 算例一 |
| 4.4.2 算例二 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 在校研究成果 |
| 致谢 |
（7）阀门管道系统结构参数识别及其在地震期间动态行为分析（论文提纲范文）
| 摘要 |
| Abstract |
| 符号注释表 |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 核电阀门管道系统抗震鉴定现状 |
| 1.3 有限元模型修正方法的发展 |
| 1.3.1 基于模态的有限元模型修正方法 |
| 1.3.2 基于频响函数的有限元模型修正 |
| 1.3.3 基于响应数据的有限元模型修正 |
| 1.4 有限元模型修正在实际工程中的应用 |
| 1.4.1 有限元模型修正在其他工程领域的应用 |
| 1.4.2 有限元模型修正在核电抗震领域的应用 |
| 1.5 本文主要研究内容、研究意义与创新点 |
| 第2章 基于振动控制方程误差的有限元模型修正方法推导 |
| 2.1 理论推导 |
| 2.2 数值模拟验证 |
| 2.2.1 模拟试验设计 |
| 2.2.2 质量与刚度相关参数的修正 |
| 2.2.3 阻尼矩阵的修正 |
| 2.3 本章小结 |
| 第3章 阀门管道系统的地震模拟试验 |
| 3.1 试验目的与振动台性能介绍 |
| 3.2 试验对象设计与制造 |
| 3.3 试验系统概述 |
| 3.4 试验工况设计 |
| 3.5 本章小结 |
| 第4章 地震响应识别核电管道中结构参数方法对比研究 |
| 4.1 基于频响函数的有限元模型修正方法推导 |
| 4.2 管道结构建模及误差分析 |
| 4.3 管道结构集中质量有限元修正 |
| 4.3.1 识别条件准备 |
| 4.3.2 利用加速度响应进行识别 |
| 4.3.3 利用位移响应进行识别 |
| 4.4 修正后模型预测能力验证 |
| 4.4.1 利用修正后模型复现试验数据 |
| 4.4.2 修正后模型预测能力验证 |
| 4.5 本章小结 |
| 第5章 利用地震响应识别阀门管道系统未知结构参数 |
| 5.1 阀门管道系统建模及误差分析 |
| 5.2 未知结构参数识别 |
| 5.2.1 灵敏度分析 |
| 5.2.2 Y方向未知结构参数识别分析 |
| 5.2.3 Z方向未知结构参数识别分析 |
| 5.3 VPS修正后模型预测能力验证 |
| 5.3.1 修正后模型预测地震响应能力验证 |
| 5.3.2 修正后模型预测特殊激励下响应能力验证 |
| 5.4 本章小结 |
| 第6章 阀门管道系统在地震期间动态行为研究 |
| 6.1 数值分析 |
| 6.1.1 阀门管道系统的理论模态信息 |
| 6.1.2 阀门对阀门管道系统动态特性影响模式 |
| 6.2 试验研究 |
| 6.3 反应谱法计算结果裕度分析 |
| 6.4 本章小结 |
| 第7章 高频地震激励对核安全级阀门危害性分析 |
| 7.1 高频地震响应分析 |
| 7.1.1 高频地震激励构造 |
| 7.1.2 Y方向响应分析 |
| 7.1.3 Z方向响应分析 |
| 7.2 阀门与管道动力学耦合作用分析 |
| 7.3 等效静力法计算结果误差分析 |
| 7.3.1 Y方向内力计算误差分析 |
| 7.3.2 Z方向内力计算误差分析 |
| 7.4 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（8）基于SSA优化算法和灵敏度分析的结构损伤识别（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 结构损伤识别研究现状 |
| 1.2.1 基于静动力指纹法的结构损伤识别 |
| 1.2.2 非参数系统识别法 |
| 1.2.3 基于实测信号的结构损伤识别 |
| 1.2.4 基于模型修正的结构损伤识别 |
| 1.3 余弦相似度与模态置信准则 |
| 1.3.1 余弦相似度 |
| 1.3.2 模态置信准则 |
| 1.4 结构损伤识别存在的问题 |
| 1.5 本文的研究内容及创新 |
| 2 基于CI损伤指标和SSA算法的结构损伤识别 |
| 2.1 引言 |
| 2.2 损伤模型及损伤指标 |
| 2.2.1 损伤模型 |
| 2.2.2 MAC指标 |
| 2.2.3 CI指标 |
| 2.3 目标函数 |
| 2.3.1 传统的目标函数 |
| 2.3.2 改进的目标函数 |
| 2.3.3 噪声添加方式 |
| 2.4 SSA优化算法 |
| 2.4.1 算法的提出及结构模型 |
| 2.4.2 寻优原理 |
| 2.4.3 算法性能 |
| 2.5 数值仿真 |
| 2.5.1 简支梁算例 |
| 2.5.2 二层刚架算例 |
| 2.6 本章小结 |
| 3 基于灵敏度分析和SSA算法的结构损伤识别 |
| 3.1 引言 |
| 3.2 一阶灵敏度分析方法 |
| 3.2.1 泰勒级数展开式 |
| 3.2.2 求解灵敏度矩阵 |
| 3.3 基于一阶灵敏度的结构损伤识别 |
| 3.3.1 一阶灵敏度分析 |
| 3.3.2 数值仿真 |
| 3.4 高阶灵敏度分析方法 |
| 3.4.1 泰勒级数展开式 |
| 3.4.2 灵敏度矩阵求解 |
| 3.5 基于高阶灵敏度的结构损伤识别 |
| 3.5.1 高阶灵敏度分析 |
| 3.5.2 数值仿真 |
| 3.6 本章小结 |
| 4 实验验证 |
| 4.1 引言 |
| 4.2 实验概况 |
| 4.3 模态分析和模型修正 |
| 4.3.1 模态分析 |
| 4.3.2 模型修正 |
| 4.4 实验验证 |
| 4.4.1 工况设置 |
| 4.4.2 识别结果 |
| 4.4.3 有限测点 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文及其他成果 |
| 致谢 |
（9）基于模态参数的在役风力发电机叶片损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 国内外关于风机叶片的损伤识别研究现状 |
| 1.2.1 风机叶片损伤检测的研究进展 |
| 1.2.2 基于模态参数的损伤识别方法 |
| 1.2.3 考虑动力刚化效应的风机叶片损伤识别 |
| 1.2.4 结构损伤定位的方法研究 |
| 1.3 本文主要研究内容 |
| 2 叶片动力特性试验及损伤分析 |
| 2.1 损伤试验的前期准备 |
| 2.1.1 试验设备介绍与安装 |
| 2.1.2 损伤位置与损伤大小的确定 |
| 2.1.3 具体的实验步骤 |
| 2.1.4 锤击法测量固有频率的原理 |
| 2.1.5 叶片固有频率的测定 |
| 2.2 静止状态下的叶片损伤试验 |
| 2.2.1 静止试验方案 |
| 2.2.2 静止试验结果分析 |
| 2.3 旋转叶片动力特性试验 |
| 2.3.1 试验流程及实施 |
| 2.3.2 试验结果分析 |
| 2.4 有限元模型的建立 |
| 2.5 本章小结 |
| 3 损伤对叶片模态参数影响的有限元模拟 |
| 3.1 风机叶片的荷载分析 |
| 3.1.1 重力荷载 |
| 3.1.2 惯性荷载 |
| 3.1.3 空气动力荷载 |
| 3.1.4 其他荷载 |
| 3.2 叶片动力参数分析 |
| 3.2.1 固有频率分析 |
| 3.2.2 振型分析 |
| 3.3 叶片应力刚化的原理 |
| 3.4 静止叶片损伤有限元分析 |
| 3.4.1 单一损伤情况下对叶片频率的影响 |
| 3.4.2 损伤位置对叶片频率的影响 |
| 3.4.3 多损伤情况下对叶片频率的影响 |
| 3.4.4 损伤对叶片振型的影响 |
| 3.5 旋转叶片损伤有限元分析 |
| 3.5.1 旋转叶片模型的建立 |
| 3.5.2 应力刚化及损伤对叶片频率影响 |
| 3.5.3 考虑旋转效应的叶片损伤对频率影响 |
| 3.5.4 应力刚化对叶片振型的影响 |
| 3.6 试验与模拟值的对比 |
| 3.7 本章小结 |
| 4 基于加权柔度曲率的损伤识别方法 |
| 4.1 基于信号分析的的损伤识别 |
| 4.2 基于人工智能的损伤识别 |
| 4.3 基于动力学模型的损伤识别 |
| 4.3.1 基于模态应变能的损伤识别方法 |
| 4.3.2 基于模态曲率的识别方法 |
| 4.3.3 基于模态柔度的识别方法 |
| 4.4 加权柔度曲率 |
| 4.4.1 柔度曲率损伤指标 |
| 4.4.2 叶片损伤识别分析 |
| 4.4.3 MF曲线拟合 |
| 4.4.4 计算分析比较 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（10）环境激励下板结构损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 结构固有模态参数损伤识别法 |
| 1.2.2 结构模型修正损伤识别方法 |
| 1.2.3 基于信号处理的损伤识别方法 |
| 1.2.4 人工智能损伤识别方法 |
| 1.3 本文主要工作 |
| 1.3.1 结构损伤识别的发展趋势 |
| 1.3.2 本文主要研究内容与结构安排 |
| 2 应变模态分析理论 |
| 2.1 应变响应的模态振型 |
| 2.2 应变模态正交性证明 |
| 2.3 应变频响函数 |
| 2.4 本章小结 |
| 3 模态参数识别方法 |
| 3.1 模态参数辨识综述 |
| 3.1.1 频域法 |
| 3.1.2 时域法 |
| 3.1.3 联合时频法 |
| 3.2 基于应变响应的特征系统实现算法 |
| 3.2.1 连续时间系统的应变状态空间方程 |
| 3.2.2 离散时间系统的应变状态空间方程 |
| 3.2.3 系统最小实现 |
| 3.2.4 应变模态参数识别 |
| 3.3 基于应变响应的峰值拾取法 |
| 3.3.1 功率谱密度函数 |
| 3.3.2 维纳-辛钦关系 |
| 3.4 峰值拾取法的理论推导 |
| 3.5 本章小结 |
| 4 基于惠斯通原理的损伤应变监测方法 |
| 4.1 惠斯通全桥理论简述 |
| 4.2 新的损伤应变监测方法 |
| 4.3 铝板模态参数数值分析 |
| 本章小结 |
| 5 基于应变模态的板结构损伤识别实验研究 |
| 5.1 基于应变模态的损伤识别准则 |
| 5.1.1 应变模态差 |
| 5.1.2 柔度矩阵 |
| 5.1.3 损伤权重指标 |
| 5.2基于PP法的模态参数辨识实验 |
| 5.2.1 实验布置 |
| 5.2.2 锤击激励 |
| 5.2.3 实验模态参数 |
| 5.3 损伤识别实验设计 |
| 5.3.1 应变测量方法 |
| 5.3.2 损伤模拟 |
| 5.3.3 损伤工况 |
| 5.4 损伤识别实验结果分析 |
| 5.4.1 测量方式一和方式二的损伤识别结果对比 |
| 5.4.2 方式一和方式三的单损伤识别实验对比 |
| 5.4.3 方式一和方式三的多损伤识别实验对比 |
| 5.4.4 方式一和方式三的损伤距离实验对比 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
四、基于振动特性灵敏度分析的梁结构损伤识别（论文参考文献）
- [1]基于模态信息熵与两阶段信息融合的梁结构损伤诊断研究[D]. 文袁. 兰州理工大学, 2021(01)
- [2]基于模态信息熵和GA-BP神经网络的桥梁损伤识别研究[D]. 何坤. 兰州理工大学, 2021(01)
- [3]频响函数和传递比函数灵敏度代数算法及其在结构损伤识别中的应用研究[D]. 孙健敏. 合肥工业大学, 2021(02)
- [4]基于PVDF压电薄膜传感器的损伤识别研究[D]. 赵峰源. 大连理工大学, 2021(01)
- [5]机器学习方法在结构可靠度分析及损伤识别中的应用研究[D]. 朱国树. 合肥工业大学, 2021(02)
- [6]环境激励作用下基于柔度矩阵的损伤诊断[D]. 李国庆. 绍兴文理学院, 2021
- [7]阀门管道系统结构参数识别及其在地震期间动态行为分析[D]. 薛睿渊. 兰州理工大学, 2020(02)
- [8]基于SSA优化算法和灵敏度分析的结构损伤识别[D]. 王欣儿. 暨南大学, 2020(07)
- [9]基于模态参数的在役风力发电机叶片损伤识别研究[D]. 冯锦飞. 内蒙古科技大学, 2020(12)
- [10]环境激励下板结构损伤识别研究[D]. 杜海越. 大连理工大学, 2020(02)