空间结构健康监测的理论与试验研究

论文摘要

空间结构形式新颖丰富并且采用了大量的新材料、新技术,成为反映一个国家建筑科学技术水平的标志。空间结构所处环境状况复杂,发生损伤和破坏的潜在危险性较大,对空间结构在建设和运营期间的健康监测、诊断以及各种灾害影响下的损伤预测和识别进行研究,具有重要的理论价值和现实意义。本文结合结构健康监测和结构评估领域国内外发展现状,对空间结构健康监测问题,包括模型修正、传感器优化布置、损伤识别和信息融合等,进行了深入系统的研究,取得了如下成果:1.对小波理论在结构健康监测中基本应用的研究。对结构的动力方程进行小波灵敏度分析,得到以加速度表示的灵敏度。通过小波系数模极大值求得Lipschitz指数,将其作为衡量突变程度的指标,由此可以识别结构发生损伤的时间。不同损伤状态下的结构节点振动信号经小波包分解后在各频带上的投影是不同的,将其作为特征向量可以实现对结构的损伤程度的识别。2.对空间结构模型修正的研究。针对训练神经网络需要大量样本的情况,在结构损伤模拟的试验方案设计中,选用了均匀设计法构造样本以减少所需样本数量。用遗传算法优化BP网络的初始权值,提高神经网络的运算速度。针对空间结构的特点,提出基于子结构和神经网络的递推模型修正方法,该方法将结构分解成多层次的子结构,选取适当的损伤因素实现逐步逐级的修正。提出采用小波频带能量作为损伤因素的修正方法。3.对传感器优化布置的研究。根据结构系统可观性,给出具有重频的一般空间结构前若干阶模态所需要的最少传感器数目的估计方法。提出一种选用Frobenius范数求最大化Fisher信息矩阵的方法,在此基础上并考虑传感器优化布置的多重标准,提出基于节点能量和模态保证准则的传感器优化布置方法。针对小波智能方法的特点,运用图论理论,将空间结构或其一部份抽象为有向图;根据各杆件的连接关系确定距离矩阵,运用Floyd算法并综合考虑结构模态动能和模态变形能等参数,提出一种概念新颖的传感器优化布置方法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 论文选题的背景与研究意义
• 1.2.1 空间钢结构常见的损伤及事故
• 1.2.2 空间结构健康监测的意义
• 1.3 相关领域的国内外研究现状
• 1.3.1 结构健康监测的一般内容
• 1.3.2 智能传感器的发展及应用
• 1.3.3 关于传感器优化布置
• 1.3.4 关于结构动力模型修正
• 1.3.5 关于结构损伤识别
• 1.3.6 结构健康监测系统的实际应用
• 1.4 课题来源与本文主要研究内容
• 第2章 基于小波分析的结构健康监测初探
• 2.1 引言
• 2.2 小波变换原理
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 小波框架
• 2.3 小波包原理
• 2.4 结构动力方程小波灵敏度分析
• 2.5 小波分析在空间结构损伤分析中的应用初探
• 2.5.1 小波分析在信号奇异性分析中的应用
• 2.5.2 基于“能量—损伤状态”的特征提取方法
• 2.6 算例
• 2.7 本章小结
• 第3章 基于遗传神经网络的递推模型修正
• 3.1 引言
• 3.2 人工神经网络原理
• 3.2.1 神经网络原理模型
• 3.2.2 神经网络构成
• 3.2.3 BP神经网络
• 3.3 遗传算法
• 3.3.1 遗传算法原理
• 3.3.2 遗传算法与神经网络的结合
• 3.4 试验设计方法的选择
• 3.4.1 正交设计法概况及其特点
• 3.4.2 均匀设计法概况及其特点
• 3.5 基于子结构和神经网络的递推模型修正
• 3.6 空间结构递推模型修正
• 3.6.1 空间结构损伤因素的选择
• 3.6.2 损伤模拟方案的确定
• 3.6.3 基于频率的空间结构递推模型修正
• 3.6.4 基于小波频带能量的空间结构递推模型修正
• 3.7 本章小结
• 第4章 空间结构的传感器优化布置
• 4.1 基于随机子空间法的模态识别
• 4.2 空间结构传感器数目的确定
• 4.3 基于模态的结构传感器优化布置
• 4.3.1 传感器布置方法准则
• 4.3.2 基于能量和MAC的传感器优化布置方法
• 4.3.3 算例分析
• 4.4 基于小波和图论的传感器优化布置
• 4.4.1 小波智能方法及其特点
• 4.4.2 空间结构模态参数的选择
• 4.4.3 Floyd算法及在传感器优化布置中的其应用
• 4.4.4 算例分析
• 4.5 本章小结
• 第5章 基于小波支持向量机的空间结构损伤识别
• 5.1 引言
• 5.2 统计学习理论
• 5.3 支持向量机
• 5.3.1 广义最优分类面
• 5.3.2 支持向量机原理
• 5.3.3 神经网络和支持向量机功能对比
• 5.4 基于小波支持向量机的结构损伤识别方法
• 5.4.1 小波核函数
• 5.4.2 小波支持向量机（WSVM）模型及分类
• 5.4.3 环境随机振动及其利用
• 5.4.4 基于完全小波支持向量机的损伤识别
• 5.4.5 算例分析
• 5.5 特征提取在损伤识别中的应用
• 5.5.1 特征提取的意义与分类
• 5.5.2 特征向量的粗糙集约简
• 5.5.3 主成分分析及特征提取
• 5.5.4 算例分析
• 5.6 本章小结
• 第6章 空间结构损伤识别试验研究
• 6.1 引言
• 6.2 单层网壳损伤识别试验研究
• 6.2.1 试验目的及试验模型
• 6.2.2 测试仪器和传感器优化布置
• 6.2.3 损伤工况与试验过程
• 6.2.4 试验结果分析
• 6.3 张弦梁结构的损伤识别试验研究
• 6.3.1 试验目的
• 6.3.2 模型设计
• 6.3.3 测试仪器及测点布置
• 6.3.4 索力和索频的测试及分析
• 6.3.5 上部的拱桁架损伤试验研究
• 6.4 本章小结
• 第7章 空间结构损伤信息融合
• 7.1 引言
• 7.2 结构健康监测的信息融合概述
• 7.2.1 信息融合层次
• 7.2.2 信息融合系统的结构模型
• 7.2.3 分布式监测与决策融合问题的表述
• 7.3 基于信息熵的损伤信息融合
• 7.3.1 信息论和熵
• 7.3.2 监测系统的熵与信息融合
• 7.4 基于智能算法的特征层损伤信息融合
• 7.4.1 支持向量机损伤诊断矩阵
• 7.4.2 损伤自信息和损伤信息熵
• 7.5 基于模糊决策的决策层损伤信息融合
• 7.5.1 结构模糊损伤信息融合
• 7.5.2 模糊信息融合模型
• 7.5.3 空间结构损伤模糊信息融合
• 7.6 基于物元模型的决策层损伤信息融合
• 7.6.1 物元基本概念
• 7.6.2 经典域物元和节域物元
• 7.6.3 待评事物的关联度
• 7.7 基于模糊神经网络的损伤信息融合
• 7.7.1 模糊神经网络模型
• 7.7.2 模糊神经网络系统结构
• 7.8 计算实例
• 7.9 本章小结
• 第8章 空间结构的健康监测系统
• 8.1 结构健康监测系统及其组成
• 8.2 结构全寿命监测系统的设计准则
• 8.3 空间结构健康监测范畴
• 8.3.1 空间结构监测项目
• 8.3.2 结构监测内容及使用的传感器
• 8.3.3 空间结构监测手段和监测仪器的选择
• 8.4 基于分布式协同工作环境结构健康监测系统
• 8.5 基于多Agent的结构健康监测系统
• 8.5.1 Agent与多Agent系统定义
• 8.5.2 基于多Agent的结构健康监测系统模型
• 8.5.3 基于多Agent的健康监测技术
• 8.6 基于LabVIEW的多Agent结构健康监测系统开发
• 8.6.1 Agent的软件开发
• 8.6.2 虚拟仪器的概念及分类
• 8.6.3 LabVIEW及其特点
• 8.6.4 基于LabVIEW的健康监测系统开发
• 8.7 本章小结
• 结论与展望
• 参考文献
• 攻读博士学位期间所发表的学术论文
• 致谢