采用1范數(shù)改進的結(jié)構(gòu)損傷定位向量方法.pdf_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,基于結(jié)構(gòu)振動的損傷識別得到了快速的發(fā)展,其中基于損傷前后柔度矩陣變化的損傷識別方法被認為是具有較大發(fā)展前景的方法之一。損傷定位向量(DLVs)法是基于柔度矩陣的一種損傷識別方法,它通過計算一組特定的向量,將這組向量當做荷載施加在無損結(jié)構(gòu)上,則損傷單元處的應(yīng)力為零或較小值。損傷定位向量為結(jié)構(gòu)損傷前后柔度矩陣差的零空間向量。損傷定位向量方法不依賴于結(jié)構(gòu)類型,并且適用于多損傷情況,因此相對于其他方法具有較大的優(yōu)勢。當然,這種方法只適用

2、于損傷前后均為線性體系的結(jié)構(gòu)。
  本文從損傷定位向量的稀疏性出發(fā)對損傷定位向量方法進行了研究。首先,從損傷定位向量的稀疏性出發(fā)分析了損傷定位向量的特質(zhì),采用最新發(fā)展的p(l)(p<2)范數(shù)來衡量損傷定位向量的稀疏性。研究發(fā)現(xiàn),對于損傷定位向量而言,稠密的損傷定位向量要優(yōu)于稀疏的損傷定位向量?;诖?,提出了新的損傷定位向量選擇方法。將新方法與原方法進行了比較,發(fā)現(xiàn)新方法對損傷的定位結(jié)果優(yōu)于原方法,同時預(yù)測新方法在噪聲環(huán)境下能夠減少

3、損傷誤判。
  本文進一步提出了采用稀疏性恢復(fù)算法來求解具有稀疏特征的損傷定位向量的方法,而不再通過奇異值分解(SVD)來獲得?;贒LVs所期望具備的性質(zhì),采用非稀疏的損傷定位向量對結(jié)構(gòu)進行損傷定位,對一個桁架模型進行了數(shù)值模擬和對一個框架模型進行了試驗研究,驗證了本文提出的改進方法的有效性和對其性能的猜測。損傷定位向量新選擇方法由于避免了原方法中將各個損傷定位向量施加在結(jié)構(gòu)上進行靜力分析來確定篩選標準的麻煩,因此該方法在應(yīng)用上

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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

評論

0/150

提交評論