CN107748209A - 一种结构损伤检测方法 - Google Patents
一种结构损伤检测方法 Download PDFInfo
- Publication number
- CN107748209A CN107748209A CN201711261151.2A CN201711261151A CN107748209A CN 107748209 A CN107748209 A CN 107748209A CN 201711261151 A CN201711261151 A CN 201711261151A CN 107748209 A CN107748209 A CN 107748209A
- Authority
- CN
- China
- Prior art keywords
- sample
- component
- actual measurement
- feature value
- vibration signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种结构损伤检测方法,其特征在于,包括以下步骤:步骤1):获取处于健康状态的框架结构的若干样本在某激励下的原始振动信号;步骤2):对各样本的原始振动信号分别进行ITD分解和核密度估计,选取各样本原始振动信号的敏感振动特征参数,构建对应的健康标准特征值向量;步骤3):获取所述步骤1)中框架结构的所述若干样本在某一时刻所述激励下的实测振动信号;步骤4):对各样本的实测振动信号分别进行ITD分解和核密度估计,选取各样本实测振动信号的敏感振动特征参数,构建对应的实测特征值向量;步骤5):根据健康标准特征值向量和实测特征值向量,获得偏离度,完成结构损伤的检测,本发明可广泛应用于结构健康检测领域中。
Description
技术领域
本发明是关于一种基于多尺度统计特性的结构损伤检测方法,属于结构健康检测领域。
背景技术
在建筑、机械等工程结构中往往会存在损伤,损伤将影响结构的正常工作甚至导致完全失效,结构损伤还会引起刚度突变和频率的改变,对结构动力响应进行分析可以在一定程度上了解结构的动力特性及其使用状况。在实际分析中,一般通过傅里叶变换或短时傅里叶变换从结构响应信号中获得结构的模态参数,但短时傅里叶变换的一个缺点是其分析窗的形状、长短一旦确定,其信号分析中的时间分辨率、频率分辨率便固定不变,不能满足高分辨率分析的要求,且很难找到一个“好的”窗适用于提取包含不同尺度信号的特征。固有时间尺度分解(ITD)能将复杂的非平稳、非线性信号分解成若干个固有旋转分量(proper rotation component),能够准确地提取非平稳信号的动态特性,有较高的拆解效率和频率分辨率,适合实时分析处理大量具有时变特性的非平稳信号。
非参数核密度估计方法是一种不需要先验信息,不依赖于总体分布及其参数,完全以样本数据为基础,对数据限制较为宽松,一般不事先假定变量之间的结构关系,而是通过直接估计获得结构关系,且能够很好地无偏估计数据的分布特征的方法,天然具有稳健性。研究结果表明,基于ITD和核密度估计对框架结构的异常状态较为敏感,可以作为损伤敏感特征对框架结构进行健康诊断。
然而,目前的损伤检测方法主要通过结构参数变化对损伤进行识别,这种方法需要进行模态测试和建立结构的有限元模型。通过直接对结构振动响应进行分析,提取损伤特征参数,能有效克服传统损伤检测方法的不足,直接通过振动响应提取损伤指标,不需要对结构参数进行识别。基于振动响应信号处理的方法只需直接分析、对比结构从其特定激励下的响应信号中提取的损伤指标来检测损伤,而无需进行模态测试和建立结构的有限元模型,因此有更好的实用价值,但损伤引起的变化容易淹没在复杂的结构振动响应中。
发明内容
针对上述问题,本发明的目的是提供一种能够直接通过振动响应提取损伤指标、不需要对结构参数进行识别的结构损伤检测方法。
为实现上述目的,本发明采取以下技术方案:一种结构损伤检测方法,其特征在于,包括以下步骤:步骤1):获取处于健康状态的框架结构的若干样本在某激励下的原始振动信号;步骤2):对各样本的原始振动信号分别进行ITD分解和核密度估计,选取各样本原始振动信号的敏感振动特征参数,构建对应的健康标准特征值向量;步骤3):获取所述步骤1)中框架结构的所述若干样本在某一时刻所述激励下的实测振动信号;步骤4):对各样本的实测振动信号分别进行ITD分解和核密度估计,选取各样本实测振动信号的敏感振动特征参数,构建对应的实测特征值向量;步骤5):根据健康标准特征值向量和实测特征值向量,获得偏离度,完成结构损伤的检测。
进一步,所述步骤2)中对各样本的原始振动信号分别进行ITD分解和核密度估计,选取各样本原始振动信号的敏感振动特征参数,构建对应的健康标准特征值向量,具体过程为:步骤2.1):将获取的某一样本的原始振动信号进行ITD分解,并选取前n个分量c1(t),c2(t),……,cn(t),其中,t表示时间;步骤2.2):对上述各分量分别进行核密度估计,获得各分量的概率密度函数f(ci(t)),并选取各概率密度函数的最大密度值作为该样本的原始振动信号的健康标准值hi:
hi=max(f(ci(t)))
式中,max(f(ci(t)))为该样本的原始振动信号中第i个分量概率密度函数的最大密度值,且i=1,2,……,n;步骤2.3):构建该样本的原始振动信号的健康标准特征值向量H:
H=[h1,h2,……,hn]
其中,hn为该样本的原始振动信号中第n个分量的敏感振动特征参数,即该样本的原始振动信号中第n个分量的健康标准值;步骤2.4):对所有样本的原始振动信号均进行步骤2.1)~2.3),得到每一样本的原始振动信号对应的健康标准特征值向量。
进一步,所述步骤4)中对各样本的实测振动信号分别进行ITD分解和核密度估计,选取各样本实测振动信号的敏感振动特征参数,构建对应的实测特征值向量,具体过程为:步骤4.1):将获取的某一所述样本在时刻t0所述激励下的实测振动信号进行ITD分解,并选取前n个分量c1(t0),c2(t0),……,cn(t0);步骤4.2):对上述各分量分别进行核密度估计,获得各分量的概率密度函数f(ci(t0)),选取各概率密度函数的最大密度值作为该样本实测振动信号的实测特征值hi′:
hi′=max(f(ci(t0)))
式中,max(f(ci(t0)))为该样本的实测振动信号第i个分量t0时刻概率密度函数的最大密度值,且i=1,2,……,n;步骤4.3):构建该样本的实测振动信号的实测特征值向量H′:
H′=[h′1,h′2,……,h′n]
式中,h′n为该样本的原始振动信号中第n个分量的敏感振动特征参数,即该样本的实测振动信号中第n个分量的实测特征值;步骤4.4):对所有样本的实测振动信号均进行步骤4.1)~4.3),得到每一实测振动信号对应的实测特征值向量。
进一步,所述步骤5)中根据健康标准特征值向量和实测特征值向量,获得偏离度,完成结构损伤的检测,具体过程为:步骤5.1):根据健康标准特征值向量和实测特征值向量,计算用于检测结构损伤的偏离度;定义某一样本的实测特征值h′i偏离对应健康标准值hi的偏离度Pi:
式中,hi为该样本的原始振动信号中第i个分量的健康标准值,hi′为该样本的实测振动信号中第i个分量的实测特征值;步骤5.2):设定偏离度阈值;步骤5.3):检测计算的偏离度是否高于偏离度阈值,并输出检验结果,完成框架结构损伤的检测,其中,若计算的偏离度高于偏离度阈值,则框架结构损伤,进行报警;若计算的偏离度不高于偏离度阈值,则框架结构健康,不进行报警。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于只需收集框架结构在健康状态下的监测数据,建立基于激励-振动的结构损伤检测模型,能有效解决现有结构状态监测系统采集了大量的结构健康状态监测数据,而异常数据及故障数据难以获得的难题,根据结构健康状态的变化规律,及时进行异常状态报警,能够提高结构健康维护的水平。2、本发明针对结构振动信号的非平稳性,提出了基于ITD分解和核密度估计的多尺度统计特性的结构损伤检测方法,能够充分反映结构振动信号在不同频段尺度下的统计特性,能更好地满足实际工程应用的需要。3、本发明采用ITD分解和核密度估计分别构建健康标准特征值向量和实测特征值向量,进而构建结构损伤检测模型,建立了激励对结构振动参数的映射关系,能够综合反映激励对结构振动特性的影响,本发明可广泛应用于结构健康检测领域中。
附图说明
图1是本发明结构损伤检测方法的整体流程示意图;
图2是框架结构在三类状态模式下的振动响应示意图,其中,图2(a)为框架结构在健康状态下的振动响应示意图,图2(b)为框架结构在第一损伤模式下的振动响应示意图,图2(c)为框架结构在第二损伤模式下的振动响应示意图;
图3是框架结构在健康状态下不同原始振动信号在不同分量时的健康标准特征值示意图,其中,图3(a)为20组样本中分量c1对应的健康标准特征值示意图,图3(b)为20组样本中分量c2对应的健康标准特征值示意图,图3(c)为20组样本中分量c3对应的健康标准特征值示意图,图3(d)为20组样本中分量c4对应的健康标准特征值示意图,图3(e)为20组样本中分量c5对应的健康标准特征值示意图,图3(f)为20组样本中分量c6对应的健康标准特征值示意图;
图4是框架结构出现第一损伤时的检测结果示意图,其中,“☆”表示实测特征值,“·”表示健康标准特征值;“--”表示偏离度阈值,图4(a)为分量c1的检测结果示意图,图4(b)为分量c2的检测结果示意图,图4(c)为分量c3的检测结果示意图,图4(d)为分量c4的检测结果示意图,图4(e)为分量c5的检测结果示意图,图4(f)为分量c6的检测结果示意图;
图5是框架结构出现第二损伤时的检测结果示意图,其中,“☆”表示实测特征值,“·”表示健康标准特征值;“--”表示偏离度阈值,图5(a)为分量c1的检测结果示意图,图5(b)为分量c2的检测结果示意图,图5(c)为分量c3的检测结果示意图,图5(d)为分量c4的检测结果示意图,图5(e)为分量c5的检测结果示意图,图5(f)为分量c6的检测结果示意图。
具体实施方式
以下结合附图来对本发明进行详细的描绘。然而应当理解,附图的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。
如图1所示,本发明提供的结构损伤检测方法,包括以下步骤:
1)获取处于健康状态的框架结构的若干样本在某激励下的原始振动信号,作为健康样本。
2)对各样本的原始振动信号分别进行ITD分解和核密度估计,选取各样本原始振动信号的敏感振动特征参数,构建对应的健康标准特征值向量,具体为:
2.1)将获取的某一样本的原始振动信号x(t)进行ITD分解,并选取包含主要信息的前n个分量c1(t),c2(t),……,cn(t),其中,t表示时间,其中,ITD分解可以将原始振动信号分解成若干个从高到低不同频率段的分量,而前n个分量集中了原始振动信号中最显著、最重要的信息,因此ITD分解后的前n个分量即能够包含原始振动信号的主要信息。
2.2)对上述各分量分别进行核密度估计,获得各分量的概率密度函数f(ci(t)),并选取各概率密度函数的最大密度值作为该样本的原始振动信号x(t)的健康标准值hi:
hi=max(f(ci(t))) (1)
式中,max(f(ci(t)))为该样本的原始振动信号x(t)中第i个分量概率密度函数的最大密度值,且i=1,2,……,n。
2.3)构建该样本的原始振动信号x(t)的健康标准特征值向量H:
H=[h1,h2,……,hn] (2)
其中,hn为该样本的原始振动信号x(t)中第n个分量的敏感振动特征参数,即该样本的原始振动信号x(t)中第n个分量的健康标准值。
2.4)对所有样本的原始振动信号均进行步骤2.1)~2.3),得到每一样本的原始振动信号对应的健康标准特征值向量。
3)获取框架结构的若干样本在某一时刻t0相同激励下的实测振动信号x(t0),其中,本步骤中的框架结构、样本和激励均与步骤1)中的相同。
4)对各样本的实测振动信号分别进行ITD分解和核密度估计,选取各样本实测振动信号的敏感振动特征参数,构建对应的实测特征值向量,具体为:
4.1)将获取的某一样本在时刻t0相同激励下的实测振动信号x(t0)进行ITD分解,并选取包含主要信息的前n个分量c1(t0),c2(t0),……,cn(t0)。
4.2)对上述各分量分别进行核密度估计,获得各分量的概率密度函数f(ci(t0)),选取各概率密度函数的最大密度值作为该样本实测振动信号x(t0)的实测特征值h′i:
h′i=max(f(ci(t0))) (3)
式中,max(f(ci(t0)))为该样本的实测振动信号x(t0)第i个分量t0时刻概率密度函数的最大密度值,且i=1,2,……,n。
4.3)构建该样本的实测振动信号x(t0)的实测特征值向量H′:
H′=[h′1,h′2,……,h′n] (4)
式中,h′n为该样本的实测振动信号x(t0)中第n个分量的敏感振动特征参数,即该样本的实测振动信号x(t0)中第n个分量的实测特征值。
4.4)对所有样本的实测振动信号均进行步骤4.1)~4.3),得到每一实测振动信号对应的实测特征值向量。
5)根据健康标准特征值向量和实测特征值向量,获得偏离度,完成结构损伤的检测,具体为:
5.1)根据健康标准特征值向量和实测特征值向量,获得用于检测结构损伤的偏离度。
定义某一样本的实测特征值h′i偏离对应健康标准值hi的偏离度Pi:
式中,hi为该样本的原始振动信号中第i个分量的健康标准值,hi′为该样本的实测振动信号中第i个分量的实测特征值。
5.2)设定偏离度阈值,其中,对于不同激励、不同框架结构、不同样本和不同敏感振动特征参数的偏离度阈值不同,可以根据实际情况进行设定。
5.3)检测计算的偏离度是否高于偏离度阈值,并输出检验结果,完成框架结构损伤的检测,其中,若计算的偏离度高于偏离度阈值,则框架结构损伤,进行报警,并及时对框架结构进行检查维护;若计算的偏离度不高于偏离度阈值,则框架结构健康,不进行报警。
下面通过具体实施例详细说明本发明的结构损伤检测方法:
本发明选取结构损伤基准结构-3层框架结构作为实验结构,该结构被广泛应用于结构损伤检测方法研究中,该结构为3层板件结构,通过螺栓固定在支架上,并在每层板件中心处分别安置振动加速度传感器,激振器连接位置为底层板位置。通过安装在二层板件处的装置来模拟损伤的发生,该装置通过支架连接了第二层板件和第三层板件,并可以通过调整缓冲器的相对位置d来模拟不同程度的裂纹大小.该装置可以模拟疲劳裂纹的开闭或连接件松动引起的动力学响应变化。实验时采用白噪声进行激励,采用传感器获取振动信号,选取框架结构设置的三种状态模式:健康状态、第一损伤模式(相对位置d=0.05mm)和第二损伤模式(相对位置d=0.10mm,在一层楼板安置1.2kg的质量块),振动信号的采样频率为320Hz,采样点数为8192,在三类状态模式的数据中分别随机抽取10组数据进行分析,为增加样本数量,将每组采样点数为8192的数据平均分成两段,即第一段数据为1~4096,第二段数据为4097~8192。经此处理后,样本数量变为20组。在三种状态模式下各样本的振动响应如图2(a)~(c)所示,从图中可以看出,由于框架结构的复杂性,振动信号非常复杂,难以直接从图中识别出它的状态。
如图3所示,给出框架结构在健康状态下不同原始振动信号在不同分量时的健康标准特征值示意图,选取处于健康状态的框架结构的20个样本在某激励下的原始振动信号,作为健康样本。对各样本的原始振动信号分别进行ITD分解,并分别选取包含主要特征信息的前6个分量,进行核密度估计,获得对应的概率密度函数,构建各样本的原始振动信号的健康标准特征值向量:H=[h1,h2,h3,h4,h5,h6]。针对2种损伤模式,分别选取对应的20个样本,假设框架结构的相同样本在t0时刻相同激励下实测振动信号为x(t0),计算该时刻实测振动信号x(t0)对应的实测特征值向量H′=[h′1,h′2,……,h′6]。本实施例中设定的偏离度阈值为20%,即该框架结构的样本在t0时刻实测振动信号x(t0)的第i个敏感振动特征参数hi′应满足0.8hi<hi′<1.2hi。如果该框架结构的样本在相同激励下实测振动信号x(t0)的任一敏感振动特征参数hi′偏离0.8hi<hi′<1.2hi所限定的范围,则说明该框架结构出现异常,应及时对其进行排查。
如图4所示,可以看出当框架结构发生第一损伤时,实测特征值向量H′中的敏感振动特征参数h′3、h′4、h′5、h′6的偏离度超出预设的偏离度阈值,且偏离健康状态非常明显,则可以判别框架结构出现了明显异常,需要进行报警,并及时对框架结构进行检查维护。
如图5所示,可以看出当框架结构发生第二损伤时,实测特征值向量H′中的敏感振动特征参数h′3、h′4、h′5、h′6的偏离度超出预设的偏离度阈值,尤其h′4、h′5、h′6偏离健康状态最为明显,则可以判别框架结构出现了明显异常,需要进行报警,并及时对框架结构进行检查维护。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (4)
1.一种结构损伤检测方法,其特征在于,包括以下步骤:
步骤1):获取处于健康状态的框架结构的若干样本在某激励下的原始振动信号;
步骤2):对各样本的原始振动信号分别进行ITD分解和核密度估计,选取各样本原始振动信号的敏感振动特征参数,构建对应的健康标准特征值向量;
步骤3):获取所述步骤1)中框架结构的所述若干样本在某一时刻所述激励下的实测振动信号;
步骤4):对各样本的实测振动信号分别进行ITD分解和核密度估计,选取各样本实测振动信号的敏感振动特征参数,构建对应的实测特征值向量;
步骤5):根据健康标准特征值向量和实测特征值向量,获得偏离度,完成结构损伤的检测。
2.如权利要求1所述的一种结构损伤检测方法,其特征在于,所述步骤2)中对各样本的原始振动信号分别进行ITD分解和核密度估计,选取各样本原始振动信号的敏感振动特征参数,构建对应的健康标准特征值向量,具体过程为:
步骤2.1):将获取的某一样本的原始振动信号进行ITD分解,并选取前n个分量c1(t),c2(t),……,cn(t),其中,t表示时间;
步骤2.2):对上述各分量分别进行核密度估计,获得各分量的概率密度函数f(ci(t)),并选取各概率密度函数的最大密度值作为该样本的原始振动信号的健康标准值hi:
hi=max(f(ci(t)))
式中,max(f(ci(t)))为该样本的原始振动信号中第i个分量概率密度函数的最大密度值,且i=1,2,……,n;
步骤2.3):构建该样本的原始振动信号的健康标准特征值向量H:
H=[h1,h2,……,hn]
其中,hn为该样本的原始振动信号中第n个分量的敏感振动特征参数,即该样本的原始振动信号中第n个分量的健康标准值;
步骤2.4):对所有样本的原始振动信号均进行步骤2.1)~2.3),得到每一样本的原始振动信号对应的健康标准特征值向量。
3.如权利要求1所述的一种结构损伤检测方法,其特征在于,所述步骤4)中对各样本的实测振动信号分别进行ITD分解和核密度估计,选取各样本实测振动信号的敏感振动特征参数,构建对应的实测特征值向量,具体过程为:
步骤4.1):将获取的某一所述样本在时刻t0所述激励下的实测振动信号进行ITD分解,并选取前n个分量c1(t0),c2(t0),……,cn(t0);
步骤4.2):对上述各分量分别进行核密度估计,获得各分量的概率密度函数f(ci(t0)),选取各概率密度函数的最大密度值作为该样本实测振动信号的实测特征值h′i:
h′i=max(f(ci(t0)))
式中,max(f(ci(t0)))为该样本的实测振动信号第i个分量t0时刻概率密度函数的最大密度值,且i=1,2,……,n;
步骤4.3):构建该样本的实测振动信号的实测特征值向量H′:
H′=[h′1,h′2,……,h′n]
式中,h′n为该样本的原始振动信号中第n个分量的敏感振动特征参数,即该样本的实测振动信号中第n个分量的实测特征值;
步骤4.4):对所有样本的实测振动信号均进行步骤4.1)~4.3),得到每一实测振动信号对应的实测特征值向量。
4.如权利要求1所述的一种结构损伤检测方法,其特征在于,所述步骤5)中根据健康标准特征值向量和实测特征值向量,获得偏离度,完成结构损伤的检测,具体过程为:
步骤5.1):根据健康标准特征值向量和实测特征值向量,计算用于检测结构损伤的偏离度;
定义某一样本的实测特征值h′i偏离对应健康标准值hi的偏离度Pi:
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>|</mo>
<mfrac>
<mrow>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>h</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>|</mo>
<mo>&times;</mo>
<mn>100</mn>
<mi>%</mi>
</mrow>
式中,hi为该样本的原始振动信号中第i个分量的健康标准值,h′i为该样本的实测振动信号中第i个分量的实测特征值;
步骤5.2):设定偏离度阈值;
步骤5.3):检测计算的偏离度是否高于偏离度阈值,并输出检验结果,完成框架结构损伤的检测,其中,若计算的偏离度高于偏离度阈值,则框架结构损伤,进行报警;若计算的偏离度不高于偏离度阈值,则框架结构健康,不进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711261151.2A CN107748209B (zh) | 2017-12-04 | 2017-12-04 | 一种结构损伤检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711261151.2A CN107748209B (zh) | 2017-12-04 | 2017-12-04 | 一种结构损伤检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107748209A true CN107748209A (zh) | 2018-03-02 |
CN107748209B CN107748209B (zh) | 2020-05-15 |
Family
ID=61250251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711261151.2A Expired - Fee Related CN107748209B (zh) | 2017-12-04 | 2017-12-04 | 一种结构损伤检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107748209B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008586A (zh) * | 2019-04-03 | 2019-07-12 | 中国水利水电科学研究院 | 一种闸门安全评估方法 |
CN111272586A (zh) * | 2020-02-22 | 2020-06-12 | 江苏东南特种技术工程有限公司 | 一种通过激发振动力检测既有建筑结构竖向荷载的方法 |
CN111474300A (zh) * | 2020-04-15 | 2020-07-31 | 同济大学 | 基于时空回归模型的结构局部缺陷检测方法 |
CN112227117A (zh) * | 2020-09-29 | 2021-01-15 | 广州米粒科技有限公司 | 一种城市轨道交通铁轨快速连接装置 |
CN114755122A (zh) * | 2022-04-19 | 2022-07-15 | 西南交通大学 | 地铁隧道结构全生命周期健康监测的试验装置及试验方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104949840A (zh) * | 2015-05-05 | 2015-09-30 | 天津大学 | 一种基于振动分析的柴油机故障诊断方法 |
CN105303033A (zh) * | 2015-09-21 | 2016-02-03 | 天津大学 | 基于集合固有时间尺度分解算法的滚动轴承故障诊断方法 |
CN106528938A (zh) * | 2016-10-11 | 2017-03-22 | 西安交通大学 | 一种基于按类统计的滚动轴承可靠性可视化动态评估方法 |
CN107144430A (zh) * | 2017-06-27 | 2017-09-08 | 电子科技大学 | 一种基于增量学习的轴承故障诊断方法 |
-
2017
- 2017-12-04 CN CN201711261151.2A patent/CN107748209B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104949840A (zh) * | 2015-05-05 | 2015-09-30 | 天津大学 | 一种基于振动分析的柴油机故障诊断方法 |
CN105303033A (zh) * | 2015-09-21 | 2016-02-03 | 天津大学 | 基于集合固有时间尺度分解算法的滚动轴承故障诊断方法 |
CN106528938A (zh) * | 2016-10-11 | 2017-03-22 | 西安交通大学 | 一种基于按类统计的滚动轴承可靠性可视化动态评估方法 |
CN107144430A (zh) * | 2017-06-27 | 2017-09-08 | 电子科技大学 | 一种基于增量学习的轴承故障诊断方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008586A (zh) * | 2019-04-03 | 2019-07-12 | 中国水利水电科学研究院 | 一种闸门安全评估方法 |
CN110008586B (zh) * | 2019-04-03 | 2021-06-01 | 中国水利水电科学研究院 | 一种闸门安全评估方法 |
CN111272586A (zh) * | 2020-02-22 | 2020-06-12 | 江苏东南特种技术工程有限公司 | 一种通过激发振动力检测既有建筑结构竖向荷载的方法 |
CN111474300A (zh) * | 2020-04-15 | 2020-07-31 | 同济大学 | 基于时空回归模型的结构局部缺陷检测方法 |
CN111474300B (zh) * | 2020-04-15 | 2021-04-30 | 同济大学 | 基于时空回归模型的结构局部缺陷检测方法 |
CN112227117A (zh) * | 2020-09-29 | 2021-01-15 | 广州米粒科技有限公司 | 一种城市轨道交通铁轨快速连接装置 |
CN114755122A (zh) * | 2022-04-19 | 2022-07-15 | 西南交通大学 | 地铁隧道结构全生命周期健康监测的试验装置及试验方法 |
CN114755122B (zh) * | 2022-04-19 | 2023-09-01 | 西南交通大学 | 地铁隧道结构全生命周期健康监测的试验装置及试验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107748209B (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748209A (zh) | 一种结构损伤检测方法 | |
Barroso et al. | Damage detection utilizing the damage index method to a benchmark structure | |
CN105005694B (zh) | 一种基于动态称重系统的桥梁疲劳寿命频域分析方法 | |
CN104215323B (zh) | 机械设备的振动传感器网络中各传感器敏感度确定方法 | |
CN109375010A (zh) | 基于振动分布特征模型的电力变压器绕组故障诊断方法 | |
CN107271127A (zh) | 基于自迭代主元抽取的工作模态参数识别方法及装置 | |
CN102829967A (zh) | 一种基于回归模型系数变化的时域故障识别方法 | |
CN103913512B (zh) | 斜拉索定期检测的损伤定位系统 | |
CN108760305A (zh) | 一种轴承故障检测方法、装置及设备 | |
CN109470972A (zh) | 一种基于振动图像的变压器铁心松动诊断方法 | |
CN106596100B (zh) | 一种四阶梯机床主轴弹性模量无损检测方法及装置 | |
CN109115879A (zh) | 一种基于模态振型和卷积神经网络的结构损伤识别方法 | |
CN107421763A (zh) | 一种设备故障检测方法及装置 | |
CN104316167B (zh) | 一种低信噪比下结构响应异常检测方法 | |
CN105019482B (zh) | 一种用于隧道悬挂风机基础稳定性在线监测方法及系统 | |
CN107784182B (zh) | 一种基于模态分析的输电铁塔沉降识别方法 | |
CN106932162B (zh) | 轨道动刚度测试方法及系统 | |
CN103267652A (zh) | 一种智能早期设备故障在线诊断方法 | |
CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及系统 | |
CN110321616B (zh) | 基于小波变换和注意力模型的三跨杆塔故障诊断方法 | |
CN205749240U (zh) | 一种高分子材料内部缺陷无损检测装置 | |
CN113739909A (zh) | 一种基于全尺度时域平均的船舶旋转机械故障诊断方法 | |
CN106596025B (zh) | 基于冲激响应的公路隧道悬挂风机基础稳定性检测方法及系统 | |
CN111141472B (zh) | 一种抗震支吊架检测方法及系统 | |
CN105651537B (zh) | 一种高损伤敏感性的桁架结构损伤实时监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200515 Termination date: 20201204 |
|
CF01 | Termination of patent right due to non-payment of annual fee |