版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、大型土木工程結(jié)構(gòu)在服役期間,由于受到腐蝕、碰撞以及環(huán)境荷載作用,就面臨著一個(gè)結(jié)構(gòu)損傷的問題。隨著結(jié)構(gòu)使用年限的增加,損傷不斷積累發(fā)展,當(dāng)損傷累積到一定程度會造成結(jié)構(gòu)抗力的衰減,降低結(jié)構(gòu)的安全性、適用性和耐久性,甚至?xí)?dǎo)致整個(gè)結(jié)構(gòu)的破壞,因此開展結(jié)構(gòu)損傷識別技術(shù)的研究,特別是在不影響結(jié)構(gòu)使用的情況下診斷結(jié)構(gòu)的損傷情況,監(jiān)測結(jié)構(gòu)的工作狀況以及對結(jié)構(gòu)的安全性進(jìn)行評估,有著十分重要的工程及現(xiàn)實(shí)意義。在此背景下,本論文結(jié)合國內(nèi)外在結(jié)構(gòu)損傷識別領(lǐng)域
2、的研究現(xiàn)狀,對小波分析在桿系結(jié)構(gòu)損傷識別中的應(yīng)用進(jìn)行了研究,主要工作包括以下幾個(gè)方面: (1)對小波分析在結(jié)構(gòu)健康監(jiān)測中基本應(yīng)用的研究。對于大多數(shù)空間網(wǎng)架結(jié)構(gòu),一般認(rèn)為其構(gòu)件主要受軸向力的作用,因此,將空間網(wǎng)架結(jié)構(gòu)視為空間桿系結(jié)構(gòu)進(jìn)行研究。在結(jié)構(gòu)出現(xiàn)損傷時(shí),結(jié)構(gòu)的剛度發(fā)生變化,由此測得的結(jié)構(gòu)動力響應(yīng)的在線監(jiān)測信號相應(yīng)的發(fā)生了突變,傳統(tǒng)的傅立葉變換只能確定一個(gè)函數(shù)奇異性的整體性質(zhì),而難以確定奇異點(diǎn)在空間的位置及分布情況。因此利用小
3、波變換對損傷信號進(jìn)行小波分解,再計(jì)算其高頻分量的方差,可以更有效的分析信號的奇異性,判斷結(jié)構(gòu)發(fā)生損傷的時(shí)刻。通過對深圳市民中心屋頂網(wǎng)架結(jié)構(gòu)的數(shù)值模擬表明,該方法能夠有效的對網(wǎng)架結(jié)構(gòu)進(jìn)行損傷預(yù)警。 (2)對小波包在空間結(jié)構(gòu)損傷識別中的應(yīng)用研究。針對結(jié)構(gòu)損傷診斷的需要,首先通過小波包分析將振動信號分解到各個(gè)頻帶,然后以各頻帶能量即小波包信號成分節(jié)點(diǎn)能量作為識別損傷的特征向量進(jìn)行損傷識別。通過一二層平板網(wǎng)架結(jié)構(gòu)的數(shù)值算例表明,小波包分
4、析具有較強(qiáng)的抗噪聲干擾能力,能夠有效地用于結(jié)構(gòu)的損傷識別。 (3)對基于小波分析和支持向量機(jī)的兩步損傷識別方法進(jìn)行了研究。首先應(yīng)用小波變換將損傷結(jié)構(gòu)的地震響應(yīng)信號進(jìn)行小波分解,計(jì)算其高頻分量的方差,分析信號的奇異性,判別結(jié)構(gòu)損傷發(fā)生的時(shí)刻。然后對損傷信號進(jìn)行小波包分解,提取包含結(jié)構(gòu)損傷信息的小波包信號成分節(jié)點(diǎn)能量,以此為訓(xùn)練樣本,選擇合適的核函數(shù)建立支持向量機(jī)SVM模型進(jìn)行結(jié)構(gòu)的損傷定位。通過對一二層平板網(wǎng)架結(jié)構(gòu)的數(shù)值算例表明,
5、該方法能夠有效地識別結(jié)構(gòu)的損傷。 (4)對基于包小波分析的網(wǎng)架結(jié)構(gòu)有限元模型修正方法進(jìn)行了研究。首先建立半剛性節(jié)點(diǎn)固結(jié)系數(shù)表示的空間網(wǎng)架單元剛度矩陣,并以此建立空間網(wǎng)架結(jié)構(gòu)的動力方程。然后根據(jù)Kammer提出的有效獨(dú)立法優(yōu)化配置傳感器的安放位置,計(jì)算結(jié)構(gòu)的加速度響應(yīng)信號,將信號進(jìn)行小波包分解,提取小波包信號成分節(jié)點(diǎn)能量作為支持向量機(jī)的訓(xùn)練樣本,建立支持向量機(jī)SVM模型。最后將測試得到的信號進(jìn)行小波包分解并提取小波包信號成分節(jié)點(diǎn)能
6、量作為測試樣本,進(jìn)行支持向量機(jī)SVM模型的預(yù)測,識別出結(jié)構(gòu)節(jié)點(diǎn)的固結(jié)系數(shù)。將得到的節(jié)點(diǎn)固結(jié)系數(shù)代入空間網(wǎng)架結(jié)構(gòu)的單元剛度矩陣,再由坐標(biāo)變換得到修正后的結(jié)構(gòu)總的剛度矩陣,從而實(shí)現(xiàn)有限元模型的修正。數(shù)值模擬結(jié)果驗(yàn)證了該方法的有效性。 (5)對小波包分析和統(tǒng)計(jì)過程控制理論在損傷識別中的應(yīng)用進(jìn)行了研究。首先通過小波包分析將振動信號分解到各個(gè)頻帶,提取小波包系數(shù)節(jié)點(diǎn)能量作為識別故障的特征向量建立損傷因子,然后再由統(tǒng)計(jì)過程控制,通過計(jì)算損傷
7、因子的單側(cè)置信上限作為損傷預(yù)警的臨界點(diǎn)來進(jìn)行結(jié)構(gòu)的損傷預(yù)警。對一平板網(wǎng)架結(jié)構(gòu)進(jìn)行了數(shù)值模擬,模擬結(jié)果表明該方法能夠有效的用于結(jié)構(gòu)的損傷識別。 (6)為了驗(yàn)證基于小波分析和統(tǒng)計(jì)過程控制的損傷預(yù)警方法在實(shí)際結(jié)構(gòu)中的應(yīng)用,對一簡化的輸電塔模型進(jìn)行了試驗(yàn)研究,試驗(yàn)研究結(jié)果表明,該方法能夠有效的用于空間桿系結(jié)構(gòu)的損傷預(yù)警。 本文研究工作立足學(xué)科前沿,運(yùn)用最新理論和方法,對小波理論在空間桿系結(jié)構(gòu)中的損傷識別進(jìn)行了系統(tǒng)的研究,為在線的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波分析的空間桿系結(jié)構(gòu)的損傷識別(1)
- 基于曲率模態(tài)小波分析的桿系結(jié)構(gòu)損傷識別研究.pdf
- 基于小波分析的結(jié)構(gòu)損傷識別.pdf
- 基于小波分析的框架結(jié)構(gòu)損傷識別研究.pdf
- 基于小波分析的結(jié)構(gòu)損傷識別方法研究.pdf
- 基于小波分析的橋梁結(jié)構(gòu)損傷識別方法研究.pdf
- 基于小波分析的橋梁損傷識別研究.pdf
- 基于小波分析的拱橋損傷識別研究.pdf
- 基于小波分析和神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識別研究.pdf
- 基于小波分析的連續(xù)梁損傷識別研究.pdf
- 基于小波分析的梁損傷識別方法研究.pdf
- 隧道結(jié)構(gòu)損傷識別的小波分析方法研究.pdf
- 小波分析在梁-拱結(jié)構(gòu)損傷識別中的應(yīng)用.pdf
- 利用測試數(shù)據(jù)的空間桿系結(jié)構(gòu)損傷識別研究.pdf
- 基于分形理論和小波分析的橋梁結(jié)構(gòu)損傷識別研究.pdf
- 基于廣義柔度矩陣和小波分析的結(jié)構(gòu)損傷識別方法.pdf
- 基于小波分析的含片狀裂紋橋梁結(jié)構(gòu)損傷識別方法研究.pdf
- 基于振動測試的桿系鋼結(jié)構(gòu)損傷識別研究.pdf
- 網(wǎng)架結(jié)構(gòu)損傷識別小波分析降噪方法研究.pdf
- 小波分析在結(jié)構(gòu)損傷識別中的應(yīng)用研究.pdf
評論
0/150
提交評論