一、基于灵敏度分析的结构损伤识别中的传感器优化配置（论文文献综述）
王宇[1]（2020）在《粒子群算法在网架结构损伤识别中的应用研究》文中认为近年来,国家大力发展钢结构,大跨度空间网架结构由于自身的优点,已被越来越多的应用在国家重点工程和大型工业建筑中。网架结构的局部结构损伤如果不能及时发现并处理可能会危害整个结构的安全,还会增加维修费用,同时大跨度空间网架结构由于其特殊的功能定位以及重要的社会功能,一旦发生安全事故,将危害人员的生命安全以及经济财产安全;因此,对在建设和在服役期间的结构建立起一个结构健康监测系统有着非常重要的意义;即在不影响建筑物使用的同时布设传感器,采用损伤识别技术进行监测,之后进行安全评估并采取维护措施。本文的主要研究内容为:网架结构的损伤识别和传感器优化布置。本文采用基于改进的粒子群算法,以网架结构仿真模型为背景研究了粒子群算法在结构损伤检测和传感器优化布置上的应用。粒子群算法是一种新兴的智能优化算法,有着处理优化能力突出、简单易懂、操作简单等优点,本文基于改进的粒子群算法,对其在损伤识别以及传感器优化问题上的应用做了以下工作:（1）对粒子群算法进行详细介绍,选取带惯性权重的改进粒子群算法作为本文的优化算法;在MATLAB中编写粒子群算法相应的程序,介绍粒子群算法的程序实现过程;为更好地说明粒子群算法的优化性能以及改进的粒子群算法的优越性,选取了4个函数算例分别优化计算,结果表明粒子群算法有着不错的优化性能,改进的粒子群算法更加优越。（2）以损伤识别为目的的传感器数目优化。首先对网架结构实验模型进行仿真建模,利用ANSYS软件建立有限元模型,进行模态分析及模态提取;采用基于Fisher信息矩阵2-范数法选取结构的目标模态数目,之后确定了结构的竖向监控振型阶数,最后利用MAC优化准则,确定网架结构需布设的传感器数目。（3）基于改进粒子群算法的传感器位置优化。确定粒子群算法的适应度函数,依据选取的监控振型阶数的模态进行优化计算。首先定义基于模态置信准则的适应度函数,参数设置后的多次优化计算结果表明,该算法在传感器位置的优化上有着不错的稳定性和高效性;之后我们定义基于模态变形能的适应度函数,优化计算的结果表明,不同适应度函数会影响算法的优化性能。（4）基于改进粒子群算法的损伤识别。该方法引入了模型修正的思想,主要结合ANSYS软件和MATLAB软件,粒子群算法程序在迭代优化的过程中不断调用ANSYS程序进行网架结构刚度修正,不断循环直至得到最接近真实工况的“伪工况”。在数值模拟损伤识别中,我们设置了上弦杆、下弦杆和腹杆三种不同位置的单损伤工况,同一杆件不同损伤程度的损伤工况,以及三种多处位置损伤的工况,结果表明改进的粒子群算法在网架结构的损伤识别应用上有着不错的效果。
王欣儿[2]（2020）在《基于SSA优化算法和灵敏度分析的结构损伤识别》文中研究表明近些年来,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。
张俊[3]（2020）在《基于损伤识别的城轨交通桥梁传感器优化布置研究》文中指出轨道交通桥梁作为城市轨道交通系统的重要组成部分,随着其服役期的增长会慢慢的开始出现各种病害,这些病害的持续发展将严重影响桥梁结构的承载能力和使用功能。近年来备受关注的基于结构振动信息的结构损伤识别方法可为城市轨道桥梁病害的早期诊断提供技术支持。传感器优化布置是利用基于振动信息的结构损伤识别方法进行各类结构健康监测及评估的重要环节。基于此,本论文将根据城市轨道交通桥梁自身的结构特点、受力特征和服役状态特殊性等,研发面向城市轨道交通桥梁结构的损伤可识别性传感器优化布置方法。具体的研究内容如下:（1）系统介绍了基于灵敏度模型修正损伤可识别的传感器优化布置理论,着重讨论了识别方程的不适定性对于损伤识别结果的影响;并基于此提出了一种最小化灵敏度矩阵条件数的传感器优化布置方法,并引入序列法和遗传算法对其实现优化求解。（2）选用结构模态信息为研究对象,以灵敏度矩阵的向量相互独立性、向量相关性以及灵敏度矩阵条件数作为优化目标实现了某单跨简支梁数值算例的传感器优化布置及结构损伤识别,并对序列法和遗传算法两种优化方法对应的传感器优化布置方案进行比较。研究结果表明,基于灵敏度矩阵最小条件数和遗传算法相结合的优化方法优化得到的传感器布置方案对应的识别结果精度最好。（3）以移动集中荷载作用下的结构加速度响应为研究对象,推导了基于结构动态响应灵敏度的结构损伤识别公式,并利用其实现了某三跨连续梁数值算例的传感器优化布置及结构损伤识别;以随机荷载作用下的结构加速度响应为研究对象,提出了一种基于响应分段平均相关函数的损伤识别方法,并应用其实现某单跨简支梁在随机荷载作用下的传感器优化布置和损伤识别,验证了该损伤识别方法和基于灵敏度矩阵最小条件数与遗传算法相结合的传感器优化布置方法对应的传感器布置方案在随机荷载和噪声干扰条件下的有效性。（4）推导了车-桥耦合系统的数值模型建立公式,并应用其建立典型城轨交通桥梁的车-桥耦合数值模型;通过未考虑和考虑未知车辆荷载参数的两种工况下,分别实现了某三跨连续梁数值算例的传感器优化布置及结构损伤识别。研究结果表明,所提出的损伤识别方法可以实现列车不确定性参数和桥梁损伤的同步识别,而基于灵敏度矩阵最小条件数与遗传算法相结合的传感器优化方法对应的传感器布置方案对应的损伤识别结果在噪声工况下的精度最高。
陈承滨[4]（2020）在《基于模型修正与智能优化策略的结构损伤识别》文中认为结构损伤识别（Structural damage detection,SDD）作为实现结构健康监测（Structural health monitoring,SHM）技术的关键步骤倍受关注。本文主要针对模型修正方法中目标函数优化、结构损伤的稀疏表示、蚁狮优化（Ant lion optimizer,ALO）算法的性能优化等问题,以数值仿真和实验验证相结合的方式,对结构损伤识别进行系统研究。主要研究工作包括:（1）对结构损伤识别方法进行了全面的综述。根据识别方法的适用范围,将结构损伤识别方法分为两大类,即局部检测法和基于振动信息的整体检测法。其中,局部检测法主要包括目测检测法和仪器检测法;基于振动信息的整体检测法主要包括基于动力指纹、信号特征和模型修正三大类方法。最后,对各类方法的优缺点、应用前景及存在问题等,分别进行了相应综述。（2）结合ALO算法,提出基于目标函数加权策略和迹稀疏正则化的结构损伤识别方法。根据不同模态参数（频率、振型）之间的损伤灵敏度差异,在目标函数中对不同模态参数的定量函数进行合理加权,以提高损伤识别精度。根据结构损伤在物理空间上的稀疏特性,在目标函数中施加迹稀疏约束,以有效提取损伤识别结果的稀疏表示信息,并提高损伤识别方法的抗噪鲁棒性。与传统目标函数比较,所提目标函数能够获得更加稳定的损伤识别结果,且能够有效提高结构损伤识别方法的识别精度与抗噪鲁棒性。数值仿真和模型实验的结果表明:所提方法能够有效且准确地识别结构损伤。（3）结合目标函数加权策略和迹稀疏正则化,提出基于多目标蚁狮优化（Multi-objective ant lion optimizer,MOALO）算法的结构损伤识别方法。该方法针对结构损伤识别中多目标优化问题,将MOALO算法引入到结构损伤识别研究领域。与ALO算法比较,MOALO算法的寻优性能更强,能够进一步提高损伤识别精度。两层刚架的数值仿真分析结果表明:所提新方法能够进一步提高损伤识别精度,进而实现有效且准确的结构损伤识别。（4）结合目标函数加权策略和迹稀疏正则化,提出基于混合ALO-INM算法的结构损伤识别方法。针对传统群智能算法在求解结构损伤识别问题时全局寻优性能不足的问题,基于ALO算法和改进后的Nelder-Mead（Improved Nelder-Mead,INM）算法,提出了混合ALO-INM算法。通过对三个经典基准函数的计算,证明了混合ALO-INM算法的全局寻优性能和稳定性明显强于ALO算法。进一步地,通过两个数值算例和模型实验验证,结果表明:所提新方法能够进一步提高结构损伤识别方法的识别精度与抗噪鲁棒性,实现更准确且稳定的结构损伤识别。（5）结合混合ALO-INM算法和目标函数加权策略,提出基于模态应变能（Modal strain energy,MSE）的结构损伤识别两步法。针对实际工程应用中损伤位置未知的情况,计算结构损伤前后结构单元的模态应变能变化率（Modal strain energy change ratio,MSECR）,以定位结构的潜在损伤,并将结构的潜在损伤单元作为混合ALO-INM算法的优化参数,最终求解结构损伤识别问题的目标函数。数值仿真算例结果表明:所提结构损伤识别两步法能够有效降低结构损伤识别的计算成本并能进一步提高损伤识别精度。
黄杰忠[5]（2020）在《基于改进卡尔曼滤波与协整方法的结构损伤识别研究》文中研究指明大跨桥梁作为城市的重要基础设施,其安全运营直接关系国民的生命财产安全,如何通过高效可靠的现代技术监测大跨桥梁的运营状况,是打造智慧城市的一项内容。近年来,国内许多桥梁逐渐安装了结构健康监测系统（Structural Health Monitoring,简称SHM）,采用有效的损伤识别方法对监测的数据进行分析,获得桥梁结构的损伤信息,对确保大跨桥梁结构的安全具有重要意义。基于振动特性的结构损伤识别方法在近些年受到广泛关注,并取得迅猛发展。然而,目前大部分方法在数值模型或者实验室模型中有较好的损伤识别效果,但用于实际结构中成功的案例并不多见。主要原因在于实验室内的环境条件可以控制,而实际结构容易受外界的环境因素影响。例如,温度导致的桥梁基频变化在5%左右是常见的。损伤导致的结构动力特性变化可能完全淹没在环境因素导致的变化之中,从而使结构真实损伤不能得到有效识别,导致结构健康监测亦无法顺利进行。因此,必须有效地分离变化环境因素与运行条件的影响,这是目前国际上结构健康监测与损伤识别领域的核心与关键难点。此外,由于受经济以及技术方面的限制,布置在大跨桥梁上的传感器数目总是有限的。如何利用尽量少的测量信息准确识别结构的损伤,也是结构健康监测系统急需解决的难点问题。本文针对上述SHM遇到的难点问题,以结构的振动数据为研究对象,开展了考虑损伤稀疏性约束的扩展卡尔曼滤波损伤识别方法研究,以及改进协整的环境因素分离方法研究。本文具体的研究内容如下:（1）由于在实际的工程结构中,损伤通常发生在个别位置,因此损伤的分布具有稀疏特性。本文将损伤的稀疏特性作为lp正则化约束引入到扩展卡尔曼滤波（Extended Kalman Filter,简称EKF）方法中,提出了 EKF-lp损伤识别算法;该算法通过采用伪测量技术,将lp约束方程嵌入到EKF的递推过程中,获得状态向量的递推解。为了选择最佳的p值,提出了一种确定p值的L曲面方法。数值算例和实验算例的研究结果表明,考虑损伤稀疏特性后,本文方法在测量信息非常少的情况下也可准确识别出损伤;且识别结果对测量噪声不敏感。（2）由于在EKF-lp方法中,为了获取合适的p值,需要获取大量不同p值的解范数和残差范数,该过程计算量较大,不利于结构的在线损伤识别。并且当伪测量方程的非线性程度较大时,EKF-lp方法进行线性化时误差较大。为克服上述缺点,提出了 UKF-lp和EKF-Atan两种改进的施加稀疏约束方法。UKF-lp是通过UKF（Unscented Kalman filter,简称UKF）替代EKF施加稀疏性约束,利用UT变换减小了非线性系统线性化产生的误差;EKF-Atan方法是采用Arctangengt函数替代lp范数作为惩罚函数,不需要像EKF-lp方法一样选择p值,却可以获得与EKF-lp一样的稀疏解。通过剪切结构实验和悬臂梁实验算例,验证了两种方法的有效性。（3）传统协整方法在分离环境因素影响时,需要全部变化环境下的无损数据建立协整方程。然而,获得这些数据通常非常困难,尤其是在早期监测阶段。其次,传统协整方法由于存在离线阶段,难以在线识别损伤。为此,本文提出一种结合协整和卡尔曼滤波（Kalman Filter,简称KF）的在线损伤识别算法。该方法以协整系数作为KF中的状态向量,以协整方程作为KF框架下的观测方程;通过KF算法对协整系数进行在线的估计,根据协整系数的动态变化进行在线损伤识别。此外,为了避免传统KF过度依赖旧观测值而出现时变参数识别不准的问题,在KF中引入衰减因子以增加新观测值的权重。最后,通过一个桁架桥的数值算例以及天津永和桥的现场数据研究,验证了所提出方法的有效性。（4）考虑到传统协整方法是一种线性算法,只适用于监测变量间存在较好线性相关性这一情况。为克服协整的这一缺点,本文提出了结合协整和核典型相关分析的算法。首先采用核典型相关分析方法,将低维空间存在非线性关系的监测变量映射到高维空间,使其转化为线性相关的核典型变量;然后对线性相关的核典型变量进行协整处理,以分离共同的环境因素影响。通过木桁架桥实验和Z24桥实测数据,对算法的有效性进行了验证。
沈涛[6]（2020）在《基于改进蜻蜓算法的桥梁结构损伤正则化识别》文中提出随着桥梁工程技术的发展,众多受力体系复杂、跨径大的现代化桥梁相继投入使用。但是,随着桥梁服役时间的增加,伴随着结构材料的疲劳老化,以及桥梁长期受到车辆荷载、自然环境侵蚀、风荷载、地震等作用,桥梁的安全性能和耐久性能难免会有所降低,自身结构也难免会出现损伤。因此,加强对现役桥梁的结构健康监测（Structural Health Monitoring,SHM）显得尤为重要,而结构损伤识别（Structural Damage Detection,SDD）是桥梁结构健康监测中最为核心的内容。本文结合蜻蜓算法（Dragonfly Algorithm,DA）和L1/2正则化方法,对桥梁结构损伤识别问题进行了相关研究,具体研究内容如下:（1）系统的叙述了国内外关于结构损伤识别问题的研究现状。同时,对蜻蜓算法和正则化方法的研究现状做了详细介绍,确定了本文的主要突破点及创新点。（2）详细的介绍了蜻蜓算法的原理以及损伤识别理论基础,利用频率残差和模态振型保证准则（MAC）构建了原始目标函数。基于蜻蜓算法和原始目标函数,对简支梁进行损伤识别数值模拟,结果表明:蜻蜓算法可以用于结构的损伤识别;但是,对于结构的特定位置和多损伤工况,蜻蜓算法寻优能力不足;同时,原始目标函数抗噪能力不强,在噪声下的识别精度有待提高。（3）针对蜻蜓算法寻优能力不足、容易陷入局部最优的问题,本文提出了一种基于Nelder-Mead单纯形的蜻蜓算法（Nelder-Mead Dragonfly Algorithm,NMDA）。运用6种不同的标准测试函数对NMDA算法进行测试。测试结果表明了NMDA算法具有更强的寻优能力,并且能够克服局部最优问题。同时,对前文的简支梁模型运用改进后的算法再次进行损伤识别模拟,模拟结果表明:同样工况下,改进后的算法损伤识别能力更强,验证了NMDA算法的优越性能。（4）针对基于频率振型的目标函数抗噪能力不强的问题,本文基于L1/2正则化方法构建了新的目标函数。运用上述改进后的NMDA算法,对简支梁、悬臂梁、连续梁进行损伤识别数值模拟,结果表明:基于NMDA算法的L1/2正则化损伤识别方法能有效克服噪声的影响,准确的识别出结构的真实损伤。（5）为了验证本文所提方法的适用性,在实验室搭建了铝合金简支梁模型,通过模拟简支梁的损伤,利用仪器设备分别采集了各工况下简支梁的前五阶频率和振型,并将采集数据导入到NMDA算法中进行损伤识别,试验结果表明:本文所提的基于NMDA算法的L1/2正则化损伤识别方法能够准确识别出试验梁的真实损伤,具有较好的工程实用价值。
李振坤[7]（2020）在《基于窄带频率响应的附加虚拟质量损伤识别方法》文中进行了进一步梳理基于动力响应的损伤识别方法是结构损伤识别方法中的一类重要方法。其中,利用动力响应构造附加虚拟质量的方法,可以增加结构测试模态的数量和提高对损伤的灵敏度,具有较好的发展前景。然而,构造虚拟质量方法往往需要利用较宽频带的频率响应,当激励频带较窄时,附加虚拟质量后结构的固有频率可能不在激励频带内,此时可能无法获得附加的虚拟质量值。为解决此问题,研究基于窄带频率响应的附加虚质量方法。主要研究内容如下:（1）发展基于窄带频率响应的附加虚拟质量方法。首先,介绍了附加虚拟质量方法基本理论,并提出目标频率的概念,阐述了利用窄带频率响应进行损伤识别的过程。该方法可利用结构频率响应中的一点或多点数据进行损伤识别,而不依赖于结构整个频域上的响应。其次,建立了轨道近似有限元模型,探求简谐激励作用下轨道结构的损伤识别,结果表明,所提出的方法可以很好地识别轨道的损伤。最后,通过桁架结构试验行了验证方法的有效性。（2）简谐激励激振器设计及简支梁数值模拟。首先,为了获得稳定准确的窄带激励,根据偏心质量块绕重心外一点匀速旋转产生的惯性力在任意一个方向上的投影为简谐激振力的原理,设计简谐激励激振器,其特点是可以同时记录激励和响应数据。其次,基于所设计的激振器,建立了激振器和简支梁的耦合模型,利用激振器产生的激励,研究在简谐激励作用下结构的损伤识别。结果表明,在激振器的简谐激励作用下,简支梁结构的损伤位置和程度可以被很好地识别出来。（3）基于窄带频率响应与贝叶斯方法的框架结构损伤识别试验。由于测量信息的不确定性和环境噪音的影响,提出基于贝叶斯理论的窄带频率响应损伤识别方法,利用多组框架试验数据,给出了框架的损伤因子的概率分布,结果表明,所识别出的损伤因子主要分布在损伤真值附近,损伤识别结果准确。
娄佳琪[8]（2020）在《基于频响函数模型修正的框架结构损伤识别方法研究》文中研究表明结构损伤识别作为结构健康监测的重要组成部分,成为了该领域的研究热点。频响函数的模型修正方法作为一种识别方法,通过实验频响函数便可进行损伤识别。频响函数在实验中更容易得到,同时避免了进行模态分析的误差。然而,大型复杂结构在应用频响函数的模型修正法进行损伤识别时,面临着测试信息少、修正参数过多等问题。子结构法能够对大型复杂结构进行损伤识别,既可以减少识别参数的数量,又可以节省实验器材。因此,本文提出将子结构方法与频响函数的模型修正方法结合进行损伤识别。本文提出的基于频响函数模型修正的子结构损伤识别方法是构造了关于实测频响函数的目标方程。仅需要待识别子结构有限元模型、组装子结构的系统质量矩阵和刚度矩阵,以及第二次自由度缩聚的转换矩阵便可进行迭代求解。对于求解不适定性问题,引入了L1范数正则化。对一个三层两跨的框架结构和一个六层钢框架结构进行数值模拟,验证了该方法的有效性。对六层钢框架进行了实验研究,进一步证明该方法的准确性以及实际的应用性。从本文的研究和分析中,得出几点结论:（1）对3种不同的自由度缩聚方式的界面位移综合法进行研究,最终得出:在满足计算要求下,本文使用IRS法即能达到比较准确的结果。（2）本文提出的基于频响函数模型修正的子结构损伤识别方法能够准确识别出不同损伤工况的损伤位置和程度。与频响函数的模型修正方法对整体结构的识别结果比较,本文提出方法仅使用较少测点,便可准确识别损伤,迭代收敛效果好,迭代耗时短。（3）频率点的选取、测点的布置以及噪声干扰都是影响识别结果的因素。所选的频率点要在共振区损伤前后频响函数有明显差异且单调的曲线段内。测点的布置要对频响函数更灵敏,同时噪声也是重要的影响因素,研究分析得出,在含一定噪声干扰下,运用本文的子结构损伤识别方法得到的结果准确可靠。（4）对六层钢框架模型进行试验分析,验证了提出的基于频响函数模型修正的子结构损伤识别方法可行性和有效性。实验结果表明,该方法能够较准确识别出子结构损伤杆件。因此,基于频响函数模型修正的子结构损伤识别方法的实际识别是合理有效的。
周品[9]（2020）在《基于压电陶瓷片电压响应和时域统计矩的结构损伤识别》文中研究说明在服役期内,由于自然灾害、各种使用荷载、环境、疲劳效应、腐蚀、材料老化、人为等因素的存在,土木工程结构不可避免地会出现损伤的累积和抗力的衰减。这就迫使土木工程工作者们在结构累积损伤影响结构重要构件之前,通过建立合理、有效的健康监测技术,及时做出损伤诊断,进而对结构进行维修和加固,以防累积损伤的出现降低结构的安全性、适用性和耐久性。或者更严重地,导致结构的整体破坏,造成严重的人员伤亡和经济损失。近年来,压电陶瓷（Lead Zirconate Titanate,PZT）以其特有的正、逆压电效应而成为结构健康监测和损伤识别领域广泛研究和应用的智能材料之一。但是,现有的基于压电陶瓷的结构损伤识别方法,特别是基于压电阻抗技术的结构损伤识别方法主要是针对频域的,不利于应用于实时、在线的结构健康监测中,且损伤识别精度极易受到测量噪音的干扰。因此,本文在国家自然科学基金（No.51278215,51578260）以及国家重点研发计划（2016YFC0802002）的资助下,开展了基于压电陶瓷电压响应和时域统计矩的结构损伤识别研究。本文综合理论分析、数值模拟及试验验证等手段,开展的相关研究工作和取得的成果主要包括以下几个方面:（1）针对压电陶瓷的正压电效应和高敏感特性,理论推导了其应用于结构的动态应变响应测试的可行性,且证明了压电陶瓷的电压输出响应与结构被测部位的应变成正比关系。通过谱元法这一精确的动力学分析方法构建了梁结构的谱元法模型,同时结合具有抗噪声干扰能力的时域统计矩,提出了四阶电压统计矩这一损伤指标。然后根据损伤指标和遗传算法对谱元法模型进行优化,实现了结构的损伤单元定位和损伤程度的同时识别。数值和试验结果表明,四阶电压统计矩指标不仅具有很好的损伤定位和定量识别能力,还有很好的抗噪声能力。（2）利用压电陶瓷的被动传感理论,针对四阶电压统计矩这一损伤指标,进一步提出了基于电压统计矩灵敏度分析的结构损伤识别方法。首先推导了梁结构在刚度损伤和附加质量块时的谱单元刚度矩阵;然后对四阶电压统计矩的灵敏度进行了分析并建立了迭代算法;然后以一个简支钢梁为例,对结构上的刚度损伤和附加质量块进行了定位和定量识别,并分析了测量噪声对该方法识别效果的影响。（3）利用基于Laplace变换的谱元法,以铁木辛柯梁为研究对象,结合压电阻抗技术,构建了钢梁结构在完整及带裂纹情况下的压电梁模型。针对压电陶瓷的正、逆压电效应及结构的振动分析,推导了压电片的电压输出响应的理论公式。以四阶电压统计矩为损伤指标,结合差分优化算法,研究了钢梁结构的损伤识别两步法。通过一简支钢梁的电压输出试验数据,验证了压电片两端的输出电压理论推导的正确性。最后,利用试验数据首先对损伤单元进行了定位识别,分析了损伤指标与损伤程度及位置的关系,并在损伤识别方法的第二阶段识别得到了裂纹在损伤单元内的具体位置以及裂纹深度。（4）利用压电阻抗技术和电压统计矩对钢筋混凝土梁进行了损伤识别研究。首先将钢筋混凝土材料看作是正交各项异性的,推导了钢筋混凝土材料的等效模量计算公式,并基于谱元法和压电阻抗技术构建了钢筋混凝土梁的压电梁模型。针对压电陶瓷的正、逆压电效应及结构的振动分析,推导了钢筋混凝土梁上压电片的电压输出响应的理论公式。通过一简支钢筋混凝土梁的电压输出试验数据,验证了压电片两端的输出电压理论推导的正确性。最后,利用试验数据先对损伤单元进行了定位识别,分析了损伤指标与损伤程度及位置的关系。
武骥元[10]（2020）在《基于车桥动力响应和稀疏正则化的桥梁损伤识别研究》文中进行了进一步梳理结构损伤识别方程组求解往往会遇到方程病态问题,通常需采用正则化手段等求解。基于L1正则化方法的损伤识别方法,能很好地利用结构损伤方程所具有的稀疏性,在桥梁监测和检测领域得到了广泛的应用。此类方法通常采用频率和振型等结构模态参数作为损伤特征,然而实际测试中,能获得的频率阶数有限,且频率对损伤不够敏感,振型测试精度偏低,严重影响损伤识别效果。本文采用移动荷载激励下的桥梁响应,提出了一种基于有限元模型修正技术和L1正则化的损伤识别方法,并通过数值算例和实验室予以验证。本文主要工作和结论如下:（1）通过理论推导建立了车-桥振动有限元模型,计算车辆移动过程中桥梁各点的位移响应。采用数值算例系统比较了局部损伤导致的桥梁频率变化与车致桥梁动力位移-时间曲线面积变化情况,结果表明车致桥梁动力位移-时间曲线面积的变化率远大于频率变化率,更有利于损伤识别。（2）提出了基于有限元模型修正技术和L1正则化的结构损伤识别方法。首先,将结构有限元模型中的单元刚度折减因子作为待修正参数;其次,以有限元模型计算和实测的车致桥梁动力位移-时间曲线面积的差值最小为目标函数;然后引入L1正则化优化求解,识别桥梁结构损伤。采用包含多种损伤工况的简支梁和连续梁的数值算例,验证了所提出的方法的有效性,并分析了测点数目、测试噪音和移动荷载速度等因素对识别结果的影响。（3）制作了移动车辆和简支梁桥的实验模型,进行移动荷载试验,通过在测点布置位移传感器获得车辆在过桥时桥梁的位移响应,计算位移-时间曲线面积,验证本文提出的损伤识别方法的有效性。实验结果表明,本文提出的损伤识别方法能够较准确地识别桥梁单损伤的损伤位置和程度,但随着损伤数目的增多,其有效性有所下降。
二、基于灵敏度分析的结构损伤识别中的传感器优化配置（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、基于灵敏度分析的结构损伤识别中的传感器优化配置（论文提纲范文）
（1）粒子群算法在网架结构损伤识别中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 研究意义 |
| 1.3 传感器的优化概述 |
| 1.3.1 传感器优化评价准则 |
| 1.3.2 传感器优化布置方法 |
| 1.4 结构的损伤检测 |
| 1.4.1 基于振动特性的损伤识别法 |
| 1.4.2 基于计算智能的损伤识别方法 |
| 1.5 本文研究内容 |
| 第2章 粒子群算法基本理论 |
| 2.1 粒子群算法简介 |
| 2.2 粒子群算法研究现状 |
| 2.3 粒子群算法基本原理 |
| 2.4 粒子群算法流程 |
| 2.5 粒子群算法构成要素分析 |
| 2.6 改进粒子群算法 |
| 2.7 粒子群算法的应用研究 |
| 2.8 本章小结 |
| 第3章 改进粒子群算法的程序实现及测试函数 |
| 3.1 算法在本文应用中重要问题的考虑 |
| 3.2 改进粒子群算法程序实现过程 |
| 3.3 两种算法的测试 |
| 3.4 本章小结 |
| 第4章 基于粒子群算法的传感器优化布置 |
| 4.1 粒子群算法在传感器优化布置中的应用 |
| 4.1.1 仿真建模及模态分析 |
| 4.1.2 适应度函数的定义 |
| 4.1.3 传感器优化布置过程 |
| 4.2 网架结构中传感器数目优化的研究 |
| 4.2.1 基于Fisher信息矩阵的目标模态数目的选取 |
| 4.2.2 基于结构应变能的监控振型阶数的选取 |
| 4.2.3 基于MAC准则的传感器数目优化 |
| 4.3 网架结构中传感器位置优化的研究 |
| 4.3.1 基于模态置信度的粒子群算法 |
| 4.3.2 基于模态变形能的粒子群算法 |
| 4.4 本章小结 |
| 第5章 基于粒子群算法的网架结构损伤识别 |
| 5.1 模型修正法 |
| 5.2 粒子群损伤识别过程 |
| 5.2.1 数值模型的建立 |
| 5.2.2 损伤识别流程 |
| 5.2.3 损伤识别中的粒子群适应度函数 |
| 5.3 单处损伤的识别 |
| 5.3.1 工况设置 |
| 5.3.2 识别过程及结果分析 |
| 5.4 不同损伤程度的识别 |
| 5.4.1 工况设置 |
| 5.4.2 识别过程及结果分析 |
| 5.5 多处损伤的识别 |
| 5.5.1 工况设置 |
| 5.5.2 识别过程及结果分析 |
| 5.6 基于柔度置信度的粒子群算法损伤识别 |
| 5.6.1 基于柔度置信度的粒子群算法 |
| 5.6.2 工况设置 |
| 5.6.3 识别过程及结果分析 |
| 5.7 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 个人成果说明 |
| 致谢 |
（2）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 |
（3）基于损伤识别的城轨交通桥梁传感器优化布置研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 结构振动传感器优化布置方法的研究现状 |
| 1.2.1 基于不同传感器优化矩阵的传感器优化布置 |
| 1.2.2 基于不同优化目标函数的传感器优化布置 |
| 1.2.3 基于不同优化算法的传感器优化布置 |
| 1.3 现有传感器优化布置研究存在的问题 |
| 1.4 本文研究内容 |
| 第二章 基于损伤可识别的传感器优化布置理论 |
| 2.1 引言 |
| 2.2 灵敏度矩阵的计算 |
| 2.2.1 灵敏度矩阵的解析计算方法 |
| 2.2.2 灵敏度矩阵的差分计算方法 |
| 2.3 识别方程的正则化求解 |
| 2.4 基于灵敏度矩阵最小条件数的传感器优化布置原理 |
| 2.4.1 识别方程的不适定性分析 |
| 2.4.2 基于灵敏度矩阵最小条件数的传感器优化布置 |
| 2.5 基于序列法和遗传算法的传感器优化布置 |
| 2.5.1 基于序列法的传感器优化布置流程 |
| 2.5.2 基于遗传算法的传感器优化布置流程 |
| 本章小结 |
| 第三章 基于频域信息的损伤可识别性传感器优化布置 |
| 3.1 引言 |
| 3.2 基于频域信息的常用传感器优化目标函数 |
| 3.2.1 有效独立法 |
| 3.2.2 灵敏度向量的相关性分析 |
| 3.2.3 灵敏度的条件数 |
| 3.3 数值仿真算例 |
| 3.3.1 城轨交通桥梁工程概况 |
| 3.3.2 有限元模型建立及损伤工况模拟 |
| 3.3.3 不同目标函数的识别结果比较 |
| 3.3.4 不同优化算法的识别结果比较 |
| 本章小结 |
| 第四章 基于时域信息的损伤可识别性传感器优化布置 |
| 4.1 引言 |
| 4.2 基于移动集中荷载作用下结构响应的损伤可识别性传感器优化 |
| 4.2.1 移动集中荷载作用下的损伤识别原理 |
| 4.2.2 数值仿真算例 |
| 4.2.3 传感器优化及损伤识别结果分析 |
| 4.3 基于随机荷载作用下结构响应的损伤可识别性传感器优化 |
| 4.3.1 基于加速度分段平均相关函数灵敏度的损伤识别原理 |
| 4.3.2 数值仿真算例 |
| 4.3.3 传感器优化及损伤识别结果分析 |
| 本章小结 |
| 第五章 面向车-桥耦合系统损伤识别的传感器优化布置 |
| 5.1 引言 |
| 5.2 车-桥耦合数值仿真计算原理 |
| 5.2.1 列车模型建立原理 |
| 5.2.2 车-桥耦合计算原理 |
| 5.3 面向车-桥耦合系统的桥梁结构损伤识别及传感器优化布置 |
| 5.3.1 车-桥耦合仿真模型建立 |
| 5.3.2 传感器位置优化 |
| 5.3.3 桥梁损伤识别结果分析 |
| 5.4 车体参数与桥梁损伤同步识别及传感器优化布置 |
| 5.4.1 车体与桥梁结构参数同步识别算法原理 |
| 5.4.2 传感器位置优化及识别结果分析 |
| 5.4.3 列车参数与桥梁损伤识别结果分析 |
| 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（4）基于模型修正与智能优化策略的结构损伤识别（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 基于动力指纹的结构损伤识别方法 |
| 1.2.2 基于信号特征的结构损伤识别方法 |
| 1.2.3 基于模型修正的结构损伤识别方法 |
| 1.3 稀疏表示在结构损伤识别中的研究现状 |
| 1.4 结构损伤识别存在的问题 |
| 1.5 本文主要研究内容与创新之处 |
| 1.5.1 本文主要研究内容 |
| 1.5.2 本论文的主要创新点 2 基于目标函数优化策略与ALO算法的结构损伤识别 |
| 2.1 引言 |
| 2.2 结构损伤模型及目标函数的定义 |
| 2.2.1 结构损伤识别问题的目标函数 |
| 2.2.2 考虑加权策略的目标函数 |
| 2.2.3 考虑迹稀疏约束的目标函数 |
| 2.2.4 噪声添加方式 |
| 2.3 ALO算法 |
| 2.3.1 ALO算法基本原理 |
| 2.3.2 随机游走机制 |
| 2.3.3 蚁狮陷阱的作用 |
| 2.3.4 轮盘赌策略 |
| 2.3.5 精英策略 |
| 2.3.6 算法流程 |
| 2.3.7 算法实现条件 |
| 2.4 10单元简支梁数值仿真模型 |
| 2.4.1 模型概况 |
| 2.4.2 算法性能研究 |
| 2.4.3 加权策略可行性研究 |
| 2.4.4 迹稀疏正则化有效性研究 |
| 2.4.5 结构损伤识别 |
| 2.5 20单元简支梁数值仿真模型 |
| 2.5.1 模型概况 |
| 2.5.2 结构损伤识别 |
| 2.6 方管截面简支梁实验验证 |
| 2.6.1 实验概述 |
| 2.6.2 初始无损有限元模型修正 |
| 2.6.3 切割缝等效损伤因子 |
| 2.6.4 结构损伤识别 |
| 2.7 本章小结 3 基于MOALO算法与目标函数优化策略的结构损伤识别 |
| 3.1 引言 |
| 3.2 MOALO算法 |
| 3.2.1 存档机制 |
| 3.2.2 蚁狮遴选机制 |
| 3.3 两层刚架数值仿真模型 |
| 3.3.1 模型概述 |
| 3.3.2 目标函数 |
| 3.3.3 结构损伤识别 |
| 3.4 本章小结 4 基于混合ALO-INM算法与目标函数优化策略的结构损伤识别 |
| 4.1 引言 |
| 4.2 混合ALO-INM算法 |
| 4.2.1 ALO算法 |
| 4.2.2 Nelder-Mead算法 |
| 4.2.3 混合ALO-INM混合 |
| 4.2.4 算法性能评估 |
| 4.3 两层刚架数值仿真模型 |
| 4.3.1 模型概况 |
| 4.3.2 目标函数 |
| 4.3.3 结构损伤识别 |
| 4.4 桁架桥数值仿真模型 |
| 4.4.1 模型概况 |
| 4.4.2 目标函数 |
| 4.4.3 结构损伤识别 |
| 4.5 矩形截面简支钢梁实验验证 |
| 4.5.1 实验概述 |
| 4.5.2 初始无损有限元模型修正 |
| 4.5.3 切割缝等效损伤因子 |
| 4.5.4 结构损伤识别 |
| 4.6 本章小结 5 基于模态应变能与混合ALO算法的结构损伤识别两步法 |
| 5.1 引言 |
| 5.2 模态应变能 |
| 5.3 基于模态应变能的结构损伤识别两步法 |
| 5.4 20单元简支梁模型数值仿真模型 |
| 5.4.1 模型概况 |
| 5.4.2 定位潜在损伤 |
| 5.4.3 量化单元损伤 |
| 5.5 本章小结 6 结论与展望 |
| 6.1 主要工作与结论 |
| 6.2 进一步的研究工作 参考文献 攻读硕士期间发表的学术论文及其他成果 致谢 |
（5）基于改进卡尔曼滤波与协整方法的结构损伤识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 结构损伤识别方法进展 |
| 1.2.2 考虑环境因素影响的损伤识别方法进展 |
| 1.2.3 目前存在的主要问题 |
| 1.3 论文主要研究内容 |
| 2 利用稀疏l_p正则化的改进扩展卡尔曼滤波损伤识别方法 |
| 2.1 引言 |
| 2.2 基于EKF的损伤识别方法介绍 |
| 2.2.1 系统的动力学方程 |
| 2.2.2 传统EKF用于损伤识别 |
| 2.2.3 基于Tikhonov正则化的EKF损伤识别方法 |
| 2.2.4 基于l_1正则化的EKF损伤识别方法 |
| 2.3 基于l_p正则化的改进EKF损伤识别方法 |
| 2.4 数值算例 |
| 2.4.1 EKF-l_p方法与其他方法识别结果的比较 |
| 2.4.2 测量噪声和模型误差对EKF-l_p算法的影响 |
| 2.4.3 不同类型的观测响应对本文算法的影响 |
| 2.5 三层剪切结构的实验算例 |
| 2.5.1 实验介绍 |
| 2.5.2 损伤识别 |
| 2.5.3 响应的重构 |
| 2.6 本章小结 |
| 3 结构损伤识别中两种改进的施加稀疏约束的方法 |
| 3.1 UKF-l_p方法 |
| 3.1.1 EKF与UKF的区别 |
| 3.1.2 使用UKF施加非线性约束 |
| 3.2 EKF-Atan方法 |
| 3.3 三层剪切结构的实验算例 |
| 3.4 悬臂梁的实验算例 |
| 3.4.1 不同测点数目下的损伤识别 |
| 3.4.2 响应的估计与重构 |
| 3.5 本章小结 |
| 4 变化环境下基于卡尔曼滤波与协整的损伤识别 |
| 4.1 引言 |
| 4.2 协整的基本理论 |
| 4.2.1 非平稳序列的概念及ADF检验 |
| 4.2.2 协整理论 |
| 4.2.3 基于协整的环境因素分离及损伤识别过程 |
| 4.3 基于协整与卡尔曼滤波的损伤识别方法 |
| 4.3.1 传统卡尔曼滤波用于状态评估 |
| 4.3.2 改进的基于衰减因子KF与协整的损伤识别 |
| 4.4 数值算例 |
| 4.4.1 与传统KF方法的比较 |
| 4.4.2 测量噪声对KFC算法的影响 |
| 4.4.3 不同损伤时刻对KFC算法的影响 |
| 4.5 天津永和桥的损伤识别 |
| 4.5.1 桥梁简介 |
| 4.5.2 永和桥的结构健康监测系统 |
| 4.5.3 损伤识别 |
| 4.6 本章小结 |
| 5 变化环境下基于核典型相关分析与协整的损伤识别研究 |
| 5.1 引言 |
| 5.2 相关分析的基本理论 |
| 5.2.1 典型相关分析(Canonical Correlation Analysis,简称CCA) |
| 5.2.2 核典型相关分析(Kernel Canonical Correlation Analysis,简称KCCA) |
| 5.3 核典型相关分析与协整相结合的损伤识别方法 |
| 5.4 数值实验 |
| 5.5 木桁架桥损伤识别 |
| 5.5.1 协整方法 |
| 5.5.2 CCA+协整方法 |
| 5.5.3 KCCA+协整方法 |
| 5.6 Z24桥的损伤识别 |
| 5.6.1 桥梁概况 |
| 5.6.2 损伤识别 |
| 5.7 本章小结 |
| 附录 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（6）基于改进蜻蜓算法的桥梁结构损伤正则化识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外结构损伤识别研究现状 |
| 1.2.1 基于结构静力的损伤识别 |
| 1.2.2 基于结构动力指纹的损伤识别 |
| 1.2.3 基于模型修正法的结构损伤识别 |
| 1.2.4 基于数据融合的结构损伤识别 |
| 1.3 蜻蜓算法研究现状 |
| 1.4 正则化方法研究现状 |
| 1.5 本文的研究内容及组织架构 |
| 1.5.1 研究内容 |
| 1.5.2 组织架构 |
| 第二章 基于原始蜻蜓算法的损伤识别研究 |
| 2.1 引言 |
| 2.2 损伤识别理论基础 |
| 2.3 目标函数的构建 |
| 2.3.1 频率残差 |
| 2.3.2 模态保证准则 |
| 2.3.3 目标函数 |
| 2.4 蜻蜓算法原理 |
| 2.4.1 蜻蜓算法的数学模型 |
| 2.4.2 蜻蜓算法的优化步骤 |
| 2.5 基于DA算法的简支梁数值模拟 |
| 2.5.1 单损伤模拟 |
| 2.5.2 多损伤模拟 |
| 2.6 本章小结 |
| 第三章 基于改进蜻蜓算法的损伤识别研究 |
| 3.1 引言 |
| 3.2 基于Nelder-Mead单纯形的蜻蜓算法(NMDA) |
| 3.2.1 Nelder-Mead单纯形理论 |
| 3.2.2 NMDA算法原理 |
| 3.3 NMDA算法的性能测试 |
| 3.4 基于NMDA算法的简支梁数值模拟 |
| 3.4.1 单损伤模拟 |
| 3.4.2 多损伤模拟 |
| 3.5 本章小结 |
| 第四章 基于改进蜻蜓算法的L_(1/2)正则化损伤识别研究 |
| 4.1 引言 |
| 4.2 基于L_(1/2)正则化方法的目标函数 |
| 4.2.1 正则化方法 |
| 4.2.2 目标函数 |
| 4.3 简支梁数值模拟 |
| 4.3.1 单损伤模拟 |
| 4.3.2 多损伤模拟 |
| 4.4 悬臂梁数值模拟 |
| 4.4.1 单损伤模拟 |
| 4.4.2 多损伤模拟 |
| 4.5 连续梁数值模拟 |
| 4.5.1 单损伤模拟 |
| 4.5.2 多损伤模拟 |
| 4.6 本章小结 |
| 第五章 试验验证 |
| 5.1 试验概述 |
| 5.1.1 试验结构模型概况 |
| 5.1.2 试验实现过程 |
| 5.2 试验结构的有限元模型 |
| 5.3 试验损伤大小的定量确定 |
| 5.4 基于实测数据的结构损伤识别 |
| 5.4.1 试验工况设置及实测数据结果 |
| 5.4.2 基于实测数据的损伤识别 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（7）基于窄带频率响应的附加虚拟质量损伤识别方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 基于动力的损伤识别方法 |
| 1.2.1 基于结构动力指纹的损伤识别 |
| 1.2.2 基于模型修正的损伤识别 |
| 1.2.3 基于时间域响应的损伤识别 |
| 1.2.4 基于频率域响应的损伤识别 |
| 1.2.5 基于智能算法的损伤识别 |
| 1.2.6 基于附加虚拟物理参数的损伤识别 |
| 1.3 存在的问题及解决方案 |
| 1.4 本文的研究内容 |
| 2 基于窄带频率响应的附加虚拟质量损伤识别方法 |
| 2.1 引言 |
| 2.2 基于窄带频率响应的附加虚拟质量方法 |
| 2.2.1 附加虚拟质量方法 |
| 2.2.2 目标频率 |
| 2.2.3 利用目标频率估计虚拟质量 |
| 2.2.4 利用试验数据估计虚拟质量 |
| 2.2.5 基于窄带频率响应的损伤识别 |
| 2.3 轨道结构数值模拟 |
| 2.3.1 轨道结构基本参数 |
| 2.3.2 三维轨道模型简化 |
| 2.3.3 基于简谐激励的损伤识别 |
| 2.3.4 基于脉冲激励的损伤识别 |
| 2.4 桁架结构的试验验证 |
| 2.4.1 桁架结构模型参数 |
| 2.4.2 桁架结构的损伤识别 |
| 2.5 本章小结 |
| 3 基于激振器的简支梁数值模拟 |
| 3.1 引言 |
| 3.2 激振器模型设计 |
| 3.2.1 激振器原理简介 |
| 3.2.2 激振器主要构件 |
| 3.2.3 激振器SOLIDWORKS模型设计 |
| 3.3 激振器的有限元模拟 |
| 3.3.1 激振器ANSYS建模 |
| 3.3.2 激振器有限元模型计算 |
| 3.4 激振器的加工与制作 |
| 3.5 激振器的试验性能测试 |
| 3.6 基于激振器的简支梁结构数值模拟 |
| 3.6.1 简支梁结构的有限元模型 |
| 3.6.2 简支梁结构的灵敏度分析 |
| 3.6.3 频率降低因子 |
| 3.6.4 底座-简支梁结构的动力分析 |
| 3.6.5 损伤识别 |
| 3.7 本章小结 |
| 4 基于贝叶斯理论与窄带频率响应的框架损伤识别 |
| 4.1 引言 |
| 4.2 贝叶斯方法概述 |
| 4.3 联合贝叶斯方法与窄带频率响应 |
| 4.4 框架结构试验 |
| 4.4.1 框架结构的基本参数 |
| 4.4.2 目标频率的确定 |
| 4.4.3 结构动力试验 |
| 4.4.4 损伤识别 |
| 4.5 本章小结 |
| 5 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）基于频响函数模型修正的框架结构损伤识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 结构损伤识别方法 |
| 1.2.1 基于动力指纹的结构损伤识别方法 |
| 1.2.2 基于频响函数的结构损伤识别方法 |
| 1.2.3 基于模型修正的结构损伤识别方法 |
| 1.2.4 基于智能算法的结构损伤识别方法 |
| 1.3 动态子结构法研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 动态子结构法 |
| 2.1 引言 |
| 2.2 动态子结构法的基础理论 |
| 2.2.1 子结构的相关概念 |
| 2.2.2 子结构的运动方程 |
| 2.3 界面位移综合法 |
| 2.3.1 Guyan静力缩聚法 |
| 2.3.2 IRS动力缩聚法 |
| 2.3.3 迭代IRS缩聚法 |
| 2.3.4 界面位移综合法基本原理 |
| 2.4 数值模拟 |
| 2.5 本章小结 |
| 第三章 基于频响函数型模型修正的子结构损伤识别方法 |
| 3.1 引言 |
| 3.2 基于频响函数的模型修正方法 |
| 3.3 基于频响函数型模型修正的子结构损伤识别方法 |
| 3.4 损伤识别中涉及的问题 |
| 3.4.1 L_1范数正则化求解 |
| 3.4.2 频率点选取问题 |
| 3.5 子结构损伤识别方法的步骤 |
| 3.6 本章小结 |
| 第四章 框架结构损伤识别数值模拟 |
| 4.1 三层两跨框架结构 |
| 4.1.1 子结构的损伤识别 |
| 4.1.2 方法对比分析 |
| 4.2 平面六层框架结构 |
| 4.2.1 测点布置对子结构损伤识别的影响 |
| 4.2.2 噪声影响分析 |
| 4.3 本章小结 |
| 第五章 框架结构实验研究 |
| 5.1 实验方案 |
| 5.1.1 实验模型设计及实验设备 |
| 5.1.2 实验内容 |
| 5.2 实验结果分析 |
| 5.2.1 模态试验结果 |
| 5.2.2 各损伤工况识别结果分析 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文 |
（9）基于压电陶瓷片电压响应和时域统计矩的结构损伤识别（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状及进展 |
| 1.3 本文的主要研究内容 |
| 2 基于被动传感电压和统计矩的结构损伤识别 |
| 2.1 引言 |
| 2.2 欧拉-伯努利梁的谱单元刚度矩阵 |
| 2.3 电压统计矩的基本理论公式推导 |
| 2.4 遗传算法基本理论 |
| 2.5 基于时域电压统计矩的损伤识别方法 |
| 2.6 数值算例 |
| 2.7 本章小结 |
| 3 基于被动传感电压和统计矩灵敏度分析的结构损伤识别 |
| 3.1 引言 |
| 3.2 结构的谱元法模拟 |
| 3.3 基于电压统计矩灵敏度分析的结构损伤识别方法 |
| 3.4 数值算例 |
| 3.5 本章小结 |
| 4 基于压电阻抗技术和电压统计矩的钢梁损伤识别 |
| 4.1 引言 |
| 4.2 铁木辛柯梁的谱元法模拟 |
| 4.3 压电晶体上的电压响应及其统计分析 |
| 4.4 两阶段损伤识别方法 |
| 4.5 试验验证 |
| 4.6 本章小结 |
| 5 基于压电阻抗技术和电压统计矩的钢筋混凝土梁损伤识别 |
| 5.1 引言 |
| 5.2 钢筋混凝土梁的谱元法模拟 |
| 5.3 钢筋混凝土梁切割试验验证 |
| 5.4 钢筋混凝土梁加载试验验证 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 全文结论 |
| 6.2 本文主要创新点 |
| 6.3 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的论文 |
| 附录2 攻读博士学位期间参与的科研项目 |
（10）基于车桥动力响应和稀疏正则化的桥梁损伤识别研究（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 基于振动的损伤识别研究 |
| 1.2.1 频域损伤识别方法 |
| 1.2.2 时域损伤识别方法 |
| 1.2.3 基于有限元模型修正的损伤识别 |
| 1.3 本文主要研究内容 |
| 第二章 车致桥梁动力响应计算与正则化理论 |
| 2.1 引言 |
| 2.2 车致桥梁动力响应计算 |
| 2.3 正则化理论 |
| 2.4 本章小结 |
| 第三章 基于稀疏正则化的损伤识别方法 |
| 3.1 引言 |
| 3.2 基础理论 |
| 3.3 数值算例 |
| 3.3.1 简支梁模型 |
| 3.3.2 连续梁模型 |
| 3.3.3 影响因素分析 |
| 3.4 本章小结 |
| 第四章 实验验证与结果分析 |
| 4.1 引言 |
| 4.2 实验方案和步骤 |
| 4.3 结果分析 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 论文的主要结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及主要成果 |
四、基于灵敏度分析的结构损伤识别中的传感器优化配置（论文参考文献）
- [1]粒子群算法在网架结构损伤识别中的应用研究[D]. 王宇. 北京建筑大学, 2020(07)
- [2]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)
- [3]基于损伤识别的城轨交通桥梁传感器优化布置研究[D]. 张俊. 大连交通大学, 2020(06)
- [4]基于模型修正与智能优化策略的结构损伤识别[D]. 陈承滨. 暨南大学, 2020(07)
- [5]基于改进卡尔曼滤波与协整方法的结构损伤识别研究[D]. 黄杰忠. 大连理工大学, 2020(07)
- [6]基于改进蜻蜓算法的桥梁结构损伤正则化识别[D]. 沈涛. 广州大学, 2020(02)
- [7]基于窄带频率响应的附加虚拟质量损伤识别方法[D]. 李振坤. 大连理工大学, 2020
- [8]基于频响函数模型修正的框架结构损伤识别方法研究[D]. 娄佳琪. 河北大学, 2020(08)
- [9]基于压电陶瓷片电压响应和时域统计矩的结构损伤识别[D]. 周品. 华中科技大学, 2020
- [10]基于车桥动力响应和稀疏正则化的桥梁损伤识别研究[D]. 武骥元. 合肥工业大学, 2020(02)