CN109558621A - 一种结构损伤识别方法及系统 - Google Patents
一种结构损伤识别方法及系统 Download PDFInfo
- Publication number
- CN109558621A CN109558621A CN201811060188.3A CN201811060188A CN109558621A CN 109558621 A CN109558621 A CN 109558621A CN 201811060188 A CN201811060188 A CN 201811060188A CN 109558621 A CN109558621 A CN 109558621A
- Authority
- CN
- China
- Prior art keywords
- damage
- centroid
- unit
- matrix
- new
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 claims abstract description 71
- 238000004880 explosion Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 230000008685 targeting Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 208000027418 Wounds and injury Diseases 0.000 abstract 1
- 208000014674 injury Diseases 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种结构损伤识别方法及系统。该方法包括:采用有限元法将所述结构划分为多个单元;以结构的固有频率和模态的相对误差为目标,构造目标函数;根据目标函数,采用改进后的大爆炸算法,确定各所述单元的损伤系数;根据各所述单元的损伤系数确定所述结构的损伤位置和损伤程度。本发明提供的结构损伤识别方法及系统能够准确的实现结构损伤的定位和定量,具有精度高的特点。
Description
技术领域
本发明涉及结构健康检测损伤识别技术领域,特别是涉及一种结构损伤识 别方法及系统。
背景技术
随着科学技术的进步和社会生产的发展,为了满足人类日益增长的物质文 化需求,许多结构设施日趋大型化、复杂化、空间化。如高层建筑、大跨桥梁 等大型结构,在提高空间使用率的同时,调整资源结构,提升资源利用效率, 进一步促进社会发展。而结构设施在复杂的外界环境中,不可避免地受到各种 突发性及非突发性内外因素影响,例如台风、地震以及材料老化、疲劳、腐蚀 等。这些不利因素将造成结构损伤,影响结构强度、刚度、稳定性等力学性能。 结构损伤累积到一定程度,将使得结构整体破坏失效,导致重大安全事故的发 生,造成严重的人员伤亡以及巨大经济损失。因此,为了提高工程结构的运营 效率,保障人民生命财产安全,预防安全事故的发生,实时对结构进行监测、 及时对结构损伤进行定位、定量分析有着重要意义。
结构损伤有多种识别方法,主要有基于以下四种测试数据的识别方法:静 态数据、频域数据、时域数据和频谱数据。当中基于频域数据的结构损伤识别 方法,主要运用结构自由振动的频率和模态进行分析,相比其它类型的识别方 法,该方法获取数据的方式简单,与结构阻尼无关,测量方式对结构无损,但 容易受测量误差影响。
基于频域法结构损伤识别问题在数学上常转化为求解最优化问题,通过建 立合适的目标函数,使计算测试值不断逼近测量值,从而得到最优解,达到损 伤检测的目的。群智能算法是近一些年广泛应用于求解最优化问题的计算方 法,具有操作简单、容易实现、全局收敛性好等优点,但在工程应用中存在收 敛速度慢、易陷入局部最优等缺点。由OsmanK.Erol和Ibrahim Eksin提出 的大爆炸算法相比其它群智能算法,具有收敛速度相对较快、参数少的优点, 但同样易陷入局部最优。文献“基于改进大爆炸算法的结构损伤识别(中山大 学学报,2017,56(6),105-110)”提出的改进之后的大爆炸算法能实现对简 支梁结构仅存在刚度损伤时的损伤识别,适用的结构和损伤情形较为简单,有 一定的局限性。
发明内容
本发明的目的是提供一种结构损伤识别方法及系统,能够准确的实现结构 损伤的定位和定量,具有精度高的特点。
为实现上述目的,本发明提供了如下方案:
一种结构损伤识别方法,所述方法包括:
采用有限元法将所述结构划分为多个单元;
以结构的固有频率和模态的相对误差为目标,构造目标函数;
根据目标函数,采用改进后的大爆炸算法,确定各所述单元的损伤系数;
根据各所述单元的损伤系数确定所述结构的损伤位置和损伤程度。
可选的,所述以结构的固有频率和模态相对误差为目标,构造目标函数, 具体包括:
以结构的固有频率和模态相对误差为目标,构造目标函数
其中,为根据有限元法计算得到的 所述结构的第i阶固有频率,为实际测量得到的所述结构的第i阶固有频 率,为根据有限元法计算得到的所述结构的第i阶模态,为实际测量得 到的所述结构的第i阶模态,p为选取的频率和模态的阶数。
可选的,所述根据目标函数,采用改进后的大爆炸算法,确定各所述单元 的损伤系数,具体包括:
获取有限元频率方程其中,K为所述结构的刚度矩阵, M为所述结构的质量矩阵,为根据有限元法计算得到的所述结构的第i阶固 有频率,为根据有限元法计算得到的所述结构的第i阶模态;
获取所述结构的刚度矩阵和质量矩阵其中,q为有限元 的数量,为第l个单元的刚度矩阵,为第l个单元的质量矩阵,αl为第l个 单元的刚度损伤系数,βl为第l个单元的质量损伤系数;
随机生成N组损伤系数其中,
α=[α1,α2,...,αl,...,αq]T和β=[β1,β2,...,βl,...,βq]T;
根据计算得到质心其中,fn为将第n组损伤系数对应的 目标函数值;
根据质心采用改进后的大爆炸算法得到多个新的质心
根据计算得到其中,为第n个新质心,N'为新 质心的数量,为第n个新质心对应的目标函数值;
判断是否小于设定阈值;
如果否,则将代替跳转至所述根据质心采用改进后的大爆 炸算法得到多个新的质心步骤,进行下一次迭代;
如果是,则将确定为所述结构的损伤矩阵,所述损伤矩阵为所述结构 各单元的损伤系数的集合。
可选的,所述根据质心采用改进后的大爆炸算法得到多个新的质心 具体包括:
根据随机生成多个候选质心其中,为每个单元损伤系数的范围,r为服从标 准正态分布的随机数,k为迭代次数,kmax为设定迭代次数,γ为设定值;
根据计算得到新质心其中,J为候选质心的数量, 为第j个候选质心,fj为第j个候选质心对应的目标函数值;
根据确定所述新质心的数量N',其中,NT为设定值,a为 限速参数,[]表示取整;
重复根据随机生成多个候选质心步骤和根据计算得到新质心步骤N'次, 得到N'个新质心。
本发明还提供了一种结构损伤识别系统,所述系统包括:
有限元划分模块,用于采用有限元法将所述结构划分为多个单元;
目标函数构造模块,用于以结构的固有频率和模态的相对误差为目标,构 造目标函数;
损伤系数确定模块,用于根据目标函数,采用改进后的大爆炸算法,确定 各所述单元的损伤系数;
损伤识别模块,用于根据各所述单元的损伤系数确定所述结构的损伤位置 和损伤程度。
可选的,所述目标函数构造模块,具体包括:
目标函数构造单元,用于以结构的固有频率和模态相对误差为目标,构造 目标函数其中,为根据有限元法计 算得到的所述结构的第i阶固有频率,为实际测量得到的所述结构的第i阶 固有频率,为根据有限元法计算得到的所述结构的第i阶模态,为实际 测量得到的所述结构的第i阶模态,p为选取的频率和模态的阶数。
可选的,所述损伤系数确定模块,具体包括:
有限元频率方程获取单元,用于获取有限元频率方程其 中,K为所述结构的刚度矩阵,M为所述结构的质量矩阵,为根据有限元法 计算得到的所述结构的第i阶固有频率,为根据有限元法计算得到的所述结 构的第i阶模态;
矩阵获取单元,用于获取所述结构的刚度矩阵和质量矩阵
其中,q为单元的数量,为第l个单元的刚度矩阵,为 第l个单元的质量矩阵,αl为第l个单元的刚度损伤系数,βl为第l个单元的质 量损伤系数;
损伤系数生成单元,用于随机生成N组损伤系数其中,α=[α1,α2,...,αl,...,αq]T和β=[β1,β2,...,βl,...,βq]T;
第一质心计算单元,用于根据计算得到质心其中,fn为 将第n组损伤系数对应的目标函数值;
第二质心计算单元,用于根据质心采用改进后的大爆炸算法得到多 个新的质心
第三质心计算单元,用于根据计算得到其中,为 第n个新质心,N'为新质心的数量,为第n个新质心对应的目标函数值;
判断单元,用于判断是否小于设定阈值;
迭代单元,用于当大于等于设定阈值时,将代替跳转至所 述根据质心采用改进后的大爆炸算法得到多个新的质心步骤,进行 下一次迭代;
损伤矩阵确定单元,用于当小于设定阈值时,将确定为所述结 构的损伤矩阵,所述损伤矩阵为所述结构各单元的损伤系数的集合。
可选的,所述第二质心计算单元,具体包括:
候选质心生成子单元,用于根据
随机生成 多个候选质心其中,为每个单元损伤系数的范围,r为服从标准正态分 布的随机数,k为迭代次数,kmax为设定迭代次数,γ为设定值;
新质心计算子单元,用于根据计算得到新质心其 中,J为候选质心的数量,为第j个候选质心,fj为第j个候选质心对应的 目标函数值;
新质心数量确定子单元,用于根据确定所述新质心的数量 N',其中,NT为设定值,a为限速参数,[]表示取整。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供 的结构损伤识别方法及系统,对原始大爆炸算法的爆炸形式和收敛模式进行改 造,并结合损伤结构的频率和模态数据构造目标函数,实现了对结构损伤的定 位和定量识别,而且,本发明提供的结构损伤识别方法及系统具有精度高、对 噪声影响不敏感的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是 本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的 前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例结构损伤识别方法流程示意图;
图2为本发明实施例一的铁木辛柯梁结构示意图;
图3为本发明实施例一的刚度损伤识别结果图;
图4为本发明实施例一刚度损伤与质量损伤并存时的刚度损伤识别结果 图;
图5为本发明实施例一刚度损伤与质量损伤并存时的质量损伤识别结果 图;
图6为本发明实施例二的三层框架结构示意图;
图7为本发明实施例二的刚度损伤识别结果图;
图8为本发明实施例二刚度损伤与质量损伤并存时的刚度损伤识别结果 图;
图9为本发明实施例二刚度损伤与质量损伤并存时的质量损伤识别结果 图;
图10为本发明实施例结构损伤识别系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是 全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造 性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种结构损伤识别方法及系统,能够准确的实现结构 损伤的定位和定量,具有精度高的特点。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和 具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例结构损伤识别方法流程示意图,如图1所示,本发明 提供的结构损伤识别方法步骤如下:
步骤101:采用有限元法将所述结构划分为多个单元;
步骤102:以结构的固有频率和模态的相对误差为目标,构造目标函数;
步骤103:根据目标函数,采用改进后的大爆炸算法,确定各所述单元的 损伤系数;
步骤104:根据各所述单元的损伤系数确定所述结构的损伤位置和损伤程 度。
其中,步骤101具体包括:
将结构离散为q个单元,结构的动力学特征方程为:
其中,K和M分别为损伤结构的刚度矩阵和质量矩阵,ω和Φ是系统固有 频率和模态。引入损伤参数,刚度矩阵和质量矩阵表示为
其中α和β分别为单元刚度和质量损伤系数。结构损伤识别时,同时考虑 刚度和质量的折损,在离散化条件下发生损伤时刚度和质量的减少量分别用参 数αi和βi来描述。当参数值为0表示结构完好,值为1表示结构完全损伤。
步骤102具体包括:
以结构的固有频率和模态相对误差为目标,构造目标函数
其中,为根据有限元法计算得 到的结构的第i阶固有频率,为实际测量得到的结构的第i阶固有频率,为根据有限元法计算得到的结构的第i阶模态,为实际测量得到的结构的 第i阶模态,p为选取的频率和模态的阶数。
步骤103具体包括:
1)随机产生N个初始猜测损伤系数代入有限元频 率方程和目标函数,经过加权平均收敛,产生质心:
开始大爆炸过程,根据下式,从质心产生N个随机候选解:
其中为每个单元损伤系数的范围,r为服从标准正态分布的随机数,k表 示第k次迭代,kmax为设定迭代次数。
2)开始大收敛过程,将1)产生的随机候选解代入下式:
3)重复步骤1)和2)N'次,得到N'个新质心代入下式得到
其中,的数量N'由下式确定:
其中,NT为整个计算过程中最大的数量值,为设定值,符号[]表示 取整,参数a为限速参数。
4)将值代入目标函数,若满足
其中,ε为某一小值,则认为此时值为仿真计算得到的结构损伤系数。 若不满足,则用步骤3)的值替换为新的质心值,重复步骤1)至4),直至 得到满足条件的值。
实施例一:对铁木辛柯梁进行损伤识别
如图2所示矩形截面悬臂梁,几何参数如图2所示,结构参数为:杨氏模 量E=206GPa,泊松比ν=0.3,材料密度ρ=7800kg/m3。因为悬臂梁的 高长比为1/15大于1/20,所以该悬臂梁应使用铁木辛柯梁理论进行仿真,划 分为如图2所示的20单元铁木辛柯梁有限元模型,计算过程中考虑梁的剪切 效应。
假设损伤只引起刚度折损,假定单元2折损30%,单元8的折损5%,单元 11至13折损10%,单元15折损15%。考虑不受噪声影响和频率受1%、模态受 10%影响下的两种情形,取前六阶固有频率和模态进行损伤识别,重复试验50 次,得到如图3所示结果。从图3中可以看出,改进后的大爆炸算法能准确识 别损伤的位置和程度,在人工模拟噪声影响下,识别结果差别不大。在所有试 验中,折损系数结果相对误差不超过2%,在可接受的误差范围内,说明本发 明提供的结构损伤识别方法能实现结构损伤精准识别。
假设损伤同时引起刚度折损和质量折损,补充假定单元1至3质量损伤 10%,单元12至13折损10%,单元15折损5%。考虑不受噪声影响和频率受 1%、模态受10%影响下的两种情形,取前十阶固有频率和模态进行损伤识别, 重复试验50次,得到如图4和图5所示结果。从图4和图5中可以看出,即 使在噪声影响下,本发明提供的结构损伤识别方法仍能实现对单元刚度和质量 损伤系数的准确识别,识别结果精准度不受添加的质量损伤影响。
实施例2:对三层框架结构进行损伤识别
如图6所示的三层框架结构,几何参数如图6所示。结构用刚架单元进行 划分,考虑每个节点的横向位移、竖向位移和转角三个自由度,框架共44个 节点,48个单元和132个自由度。材料杨氏模量E=75GPa,以及材料密度 ρ=2800kg/m3。
假设损伤只引起刚度折损,假定单元1折损30%,单元16至17的折损5%, 单元39至40折损10%,单元43至45折损15%。考虑不受噪声影响和频率受 1%、模态受10%影响下的两种情形,取前十五阶固有频率和模态进行损伤识别, 重复试验50次,得到如图7所示结果。从图7中可以看出,针对框架结构, 无论损伤出现在横向框架、竖向框架或斜向框架,本发明提供的结构损伤识别 方法都能准确识别损伤的位置和程度。在所有试验中,折损系数结果相对误差 在3%以内。在噪声影响下,本发明提供的结构损伤识别方法也能实现结构损 伤精准识别。
假设损伤同时引起刚度折损和质量折损,补充假定单元1质量损伤10%, 单元20至21折损10%,单元31至32折损10%单元42至43折损5%。考虑不 受噪声影响和频率受1%、模态受10%影响下的两种情形,取前三十阶固有频率 和模态进行损伤识别,重复试验50次,得到如图8和图9所示结果。从图8 和图9可以看出,加入质量损伤后,方程未知量增加,本发明提供的结构损伤 识别方法的损伤识别结果同样准确,同时不受噪声影响。改本发明提供的结构 损伤识别方法适用于结构的刚度和质量损伤识别。
本发明提供的结构损伤识别方法对原始大爆炸算法的爆炸形式和收敛模 式进行改进,并结合损伤结构的频率和模态数据构造目标函数,实现了对结构 损伤的定位和定量识别。同时,本方法采用频率和模态的频域数据,在实践中 容易获得,对结构无损。不仅能有效求解结构仅存在刚度损伤时的损伤位置和 损伤程度,而且,还能够有效求解结构刚度损伤和质量损伤并存时的复杂损伤 情形的损伤位置和损伤程度,求解结果准确,计算精度高,对噪声影响不敏感。
本发明还提供了一种结构损伤识别系统,如图10所示,该系统包括:
有限元划分模块1001,用于采用有限元法将结构划分为多个单元;
目标函数构造模块1002,用于以结构的固有频率和模态的相对误差为目 标,构造目标函数;
损伤系数确定模块1003,用于根据目标函数,采用改进后的大爆炸算法, 确定各单元的损伤系数;
损伤识别模块1004,用于根据各单元的损伤系数确定结构的损伤位置和 损伤程度。
其中,目标函数构造模块1002,具体包括:
目标函数构造单元,用于以结构的固有频率和模态相对误差为目标,构造 目标函数其中,为根据有限元法计 算得到的结构的第i阶固有频率,为实际测量得到的结构的第i阶固有频 率,为根据有限元法计算得到的结构的第i阶模态,为实际测量得到的 结构的第i阶模态,p为选取的频率和模态的阶数。
损伤系数确定模块1003,具体包括:
有限元频率方程获取单元,用于获取有限元频率方程其 中,K为结构的刚度矩阵,M为结构的质量矩阵,为根据有限元法计算得到 的结构的第i阶固有频率,为根据有限元法计算得到的结构的第i阶模态;
矩阵获取单元,用于获取结构的刚度矩阵和质量矩阵其 中,q为有限元的数量,为第l个单元的刚度矩阵,为第l个单元的质量 矩阵,αl为第l个单元的刚度损伤系数,βl为第l个单元的质量损伤系数;
损伤系数生成单元,用于随机生成N组损伤系数其中,α=[α1,α2,...,αl,...,αq]T和β=[β1,β2,...,βl,...,βq]T;
第一质心计算单元,用于根据计算得到质心其中,fn为 将第n组损伤系数对应的目标函数值;
第二质心计算单元,用于根据质心采用改进后的大爆炸算法得到多 个新的质心
第三质心计算单元,用于根据计算得到其中,为 第n个新质心,N'为新质心的数量,为第n个新质心对应的目标函数值;
判断单元,用于判断是否小于设定阈值;
迭代单元,用于当大于等于设定阈值时,将代替跳转至根 据质心采用改进后的大爆炸算法得到多个新的质心步骤,进行下一 次迭代;
损伤矩阵确定单元,用于当小于设定阈值时,将确定为结构的 损伤矩阵,损伤矩阵为结构各单元的损伤系数的集合。
其中,第二质心计算单元,具体包括:
候选质心生成子单元,用于根据
随机生成 多个候选质心其中,为每个单元损伤系数的范围,r为服从标准正态分 布的随机数,k为迭代次数,kmax为设定迭代次数,γ为设定值;
新质心计算子单元,用于根据计算得到新质心其 中,J为候选质心的数量,为第j个候选质心,fj为第j个候选质心对应的 目标函数值;
新质心数量确定子单元,用于根据确定新质心的数量N', 其中,NT为设定值,a为限速参数,[]表示取整。
本发明提供的结构损伤识别系统对原始大爆炸算法的爆炸形式和收敛模 式进行改进,并结合损伤结构的频率和模态数据构造目标函数,实现了对结构 损伤的定位和定量识别。同时,本系统采用频率和模态的频域数据,在实践中 容易获得,对结构无损。不仅能有效求解结构仅存在刚度损伤时的损伤位置和 损伤程度,而且,还能够有效求解结构刚度损伤和质量损伤并存时的复杂损伤 情形的损伤位置和损伤程度,求解结果准确,计算精度高,对噪声影响不敏感。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是 与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于 实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较 简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施 例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的 一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变 之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种结构损伤识别方法,其特征在于,所述方法包括:
采用有限元法将所述结构划分为多个单元;
以结构的固有频率和模态的相对误差为目标,构造目标函数;
根据目标函数,采用改进后的大爆炸算法,确定各所述单元的损伤系数;
根据各所述单元的损伤系数确定所述结构的损伤位置和损伤程度。
2.根据权利要求1所述的结构损伤识别方法,其特征在于,所述以结构的固有频率和模态相对误差为目标,构造目标函数,具体包括:
以结构的固有频率和模态相对误差为目标,构造目标函数其中,为根据有限元法计算得到的所述结构的第i阶固有频率,为实际测量得到的所述结构的第i阶固有频率,为根据有限元法计算得到的所述结构的第i阶模态,为实际测量得到的所述结构的第i阶模态,p为选取的频率和模态的阶数。
3.根据权利要求1或2所述的结构损伤识别方法,其特征在于,所述根据目标函数,采用改进后的大爆炸算法,确定各所述单元的损伤系数,具体包括:
获取有限元频率方程其中,K为所述结构的刚度矩阵,M为所述结构的质量矩阵,为根据有限元法计算得到的所述结构的第i阶固有频率,为根据有限元法计算得到的所述结构的第i阶模态;
获取所述结构的刚度矩阵和质量矩阵其中,q为划分单元的数量,为第l个单元的刚度矩阵,为第l个单元的质量矩阵,αl为第l个单元的刚度损伤系数,βl为第l个单元的质量损伤系数;
随机生成N组损伤系数其中,
α=[α1,α2,...,αl,...,αq]T和β=[β1,β2,...,βl,...,βq]T;
根据计算得到质心其中,fn为将第n组损伤系数对应的目标函数值;
根据质心采用改进后的大爆炸算法得到多个新的质心
根据计算得到其中,为第n个新质心,N'为新质心的数量,为第n个新质心对应的目标函数值;
判断是否小于设定阈值;
如果否,则将代替跳转至所述根据质心采用改进后的大爆炸算法得到多个新的质心步骤,进行下一次迭代;
如果是,则将确定为所述结构的损伤矩阵,所述损伤矩阵为所述结构各单元的损伤系数的集合。
4.根据权利要求3所述的结构损伤识别方法,其特征在于,所述根据质心采用改进后的大爆炸算法得到多个新的质心具体包括:
根据随机生成多个候选质心其中,为每个单元损伤系数的范围,r为服从标准正态分布的随机数,k为迭代次数,kmax为设定迭代次数,γ为设定值;
根据计算得到新质心其中,J为候选质心的数量,为第j个候选质心,fj为第j个候选质心对应的目标函数值;
根据确定所述新质心的数量N',其中,NT为设定值,a为限速参数,[]表示取整;
重复根据随机生成多个候选质心步骤和根据计算得到新质心步骤N'次,得到N'个新质心。
5.一种结构损伤识别系统,其特征在于,所述系统包括:
有限元划分模块,用于采用有限元法将所述结构划分为多个单元;
目标函数构造模块,用于以结构的固有频率和模态的相对误差为目标,构造目标函数;
损伤系数确定模块,用于根据目标函数,采用改进后的大爆炸算法,确定各所述单元的损伤系数;
损伤识别模块,用于根据各所述单元的损伤系数确定所述结构的损伤位置和损伤程度。
6.根据权利要求5所述的结构损伤识别系统,其特征在于,所述目标函数构造模块,具体包括:
目标函数构造单元,用于以结构的固有频率和模态相对误差为目标,构造目标函数其中,为根据有限元法计算得到的所述结构的第i阶固有频率,为实际测量得到的所述结构的第i阶固有频率,为根据有限元法计算得到的所述结构的第i阶模态,为实际测量得到的所述结构的第i阶模态,p为选取的频率和模态的阶数。
7.根据权利要求5或6所述的结构损伤识别系统,其特征在于,所述损伤系数确定模块,具体包括:
有限元频率方程获取单元,用于获取有限元频率方程其中,K为所述结构的刚度矩阵,M为所述结构的质量矩阵,为根据有限元法计算得到的所述结构的第i阶固有频率,为根据有限元法计算得到的所述结构的第i阶模态;
矩阵获取单元,用于获取所述结构的刚度矩阵和质量矩阵其中,q为单元的数量,为第l个单元的刚度矩阵,为第l个单元的质量矩阵,αl为第l个单元的刚度损伤系数,βl为第l个单元的质量损伤系数;
损伤系数生成单元,用于随机生成N组损伤系数其中,α=[α1,α2,...,αl,...,αq]T和β=[β1,β2,...,βl,...,βq]T;
第一质心计算单元,用于根据计算得到质心其中,fn为将第n组损伤系数对应的目标函数值;
第二质心计算单元,用于根据质心采用改进后的大爆炸算法得到多个新的质心
第三质心计算单元,用于根据计算得到其中,为第n个新质心,N'为新质心的数量,为第n个新质心对应的目标函数值;
判断单元,用于判断是否小于设定阈值;
迭代单元,用于当大于等于设定阈值时,将代替跳转至所述根据质心采用改进后的大爆炸算法得到多个新的质心步骤,进行下一次迭代;
损伤矩阵确定单元,用于当小于设定阈值时,将确定为所述结构的损伤矩阵,所述损伤矩阵为所述结构各单元的损伤系数的集合。
8.根据权利要求7所述的结构损伤识别系统,其特征在于,所述第二质心计算单元,具体包括:
候选质心生成子单元,用于根据
随机生成多个候选质心其中,为每个单元损伤系数的范围,r为服从标准正态分布的随机数,k为迭代次数,kmax为设定迭代次数,γ为设定值;
新质心计算子单元,用于根据计算得到新质心其中,J为候选质心的数量,为第j个候选质心,fj为第j个候选质心对应的目标函数值;
新质心数量确定子单元,用于根据确定所述新质心的数量N',其中,NT为设定值,a为限速参数,[]表示取整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811060188.3A CN109558621B (zh) | 2018-09-12 | 2018-09-12 | 一种结构损伤识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811060188.3A CN109558621B (zh) | 2018-09-12 | 2018-09-12 | 一种结构损伤识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109558621A true CN109558621A (zh) | 2019-04-02 |
CN109558621B CN109558621B (zh) | 2020-08-18 |
Family
ID=65864604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811060188.3A Active CN109558621B (zh) | 2018-09-12 | 2018-09-12 | 一种结构损伤识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558621B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261154A (zh) * | 2019-06-21 | 2019-09-20 | 广州大学 | 一种结构损伤识别方法及装置 |
CN110472315A (zh) * | 2019-07-30 | 2019-11-19 | 中山大学 | 基于ersa算法的结构参数识别方法 |
CN110672154A (zh) * | 2019-10-14 | 2020-01-10 | 陕西理工大学 | 土木工程建筑监测系统 |
CN112378999A (zh) * | 2020-10-28 | 2021-02-19 | 扬州大学 | 一种基于形心导向阈值的港机轨道损伤量化检测方法 |
CN113297773A (zh) * | 2021-06-08 | 2021-08-24 | 中山大学 | 一种结构损伤识别的不确定性定量分析方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126774A (zh) * | 2016-06-14 | 2016-11-16 | 中山大学 | 基于bmo算法的结构损伤识别方法 |
KR101703450B1 (ko) * | 2015-11-04 | 2017-02-09 | 한양대학교 산학협력단 | 대폭발-대수축 알고리즘을 이용한 구조물의 위상 최적화 설계 방법 |
CN106407548A (zh) * | 2016-09-13 | 2017-02-15 | 同济大学 | 一种钢筋混凝土剪力墙结构抗倒塌优化设计方法 |
CN106815835A (zh) * | 2017-01-10 | 2017-06-09 | 北京邮电大学 | 损伤识别方法及装置 |
CN108416074A (zh) * | 2017-04-20 | 2018-08-17 | 中山大学 | 一种基于残余力向量法和树种算法的结构损伤识别二步法 |
-
2018
- 2018-09-12 CN CN201811060188.3A patent/CN109558621B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101703450B1 (ko) * | 2015-11-04 | 2017-02-09 | 한양대학교 산학협력단 | 대폭발-대수축 알고리즘을 이용한 구조물의 위상 최적화 설계 방법 |
CN106126774A (zh) * | 2016-06-14 | 2016-11-16 | 中山大学 | 基于bmo算法的结构损伤识别方法 |
CN106407548A (zh) * | 2016-09-13 | 2017-02-15 | 同济大学 | 一种钢筋混凝土剪力墙结构抗倒塌优化设计方法 |
CN106815835A (zh) * | 2017-01-10 | 2017-06-09 | 北京邮电大学 | 损伤识别方法及装置 |
CN108416074A (zh) * | 2017-04-20 | 2018-08-17 | 中山大学 | 一种基于残余力向量法和树种算法的结构损伤识别二步法 |
Non-Patent Citations (2)
Title |
---|
OSMAN K. EROL等: "A new optimization method: Big Bang–Big Crunch", 《ADVANCES IN ENGINEERING SOFTWARE》 * |
尹智毅 等: "基于改进大爆炸算法的结构损伤识别", 《中山大学学报(自然科学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261154A (zh) * | 2019-06-21 | 2019-09-20 | 广州大学 | 一种结构损伤识别方法及装置 |
CN110472315A (zh) * | 2019-07-30 | 2019-11-19 | 中山大学 | 基于ersa算法的结构参数识别方法 |
CN110672154A (zh) * | 2019-10-14 | 2020-01-10 | 陕西理工大学 | 土木工程建筑监测系统 |
CN112378999A (zh) * | 2020-10-28 | 2021-02-19 | 扬州大学 | 一种基于形心导向阈值的港机轨道损伤量化检测方法 |
CN113297773A (zh) * | 2021-06-08 | 2021-08-24 | 中山大学 | 一种结构损伤识别的不确定性定量分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109558621B (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109558621B (zh) | 一种结构损伤识别方法及系统 | |
CN105022860B (zh) | Pcb焊点随机振动疲劳寿命预测方法与系统 | |
Tran-Ngoc et al. | An efficient approach to model updating for a multispan railway bridge using orthogonal diagonalization combined with improved particle swarm optimization | |
Yu et al. | A global artificial fish swarm algorithm for structural damage detection | |
CN103116759B (zh) | 一种适用于空间网格结构的损伤识别方法 | |
CN105930571B (zh) | 基于单位温度响应监测值的大跨钢桥有限元模型修正方法 | |
CN101145214A (zh) | 基于改进反向传播神经网络的斜拉桥拉索损伤定位方法 | |
CN105956216A (zh) | 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法 | |
CN103884593B (zh) | 基于少量静态测量数据的结构损伤定位与程度识别方法 | |
CN108121865B (zh) | 一种基于伴随变量法的含有多不确定参数的结构区间响应传播分析方法 | |
CN105956218A (zh) | 基于非均匀温度响应监测值的钢桥有限元模型修正方法 | |
Huang et al. | Structural damage identification under temperature variations based on PSO–CS hybrid algorithm | |
CN110750875A (zh) | 仅利用输出响应的结构动静态参数不确定性定量分析系统 | |
CN105183933A (zh) | 一种基于人工蜂群算法的结构损伤识别方法 | |
Huang et al. | A novel two-stage structural damage identification method based on superposition of modal flexibility curvature and whale optimization algorithm | |
CN110362886A (zh) | 一种基于不确定性分析的城镇砌体住宅安全评估方法 | |
CN112307536B (zh) | 一种大坝渗流参数反演方法 | |
CN115062839B (zh) | 极震区烈度评估方法、系统、电子设备及可读存储介质 | |
Li et al. | Bearing damage detection of a bridge under the uncertain conditions based on the Bayesian framework and matrix perturbation method | |
Suryanita et al. | Application of neural networks in bridge health prediction based on acceleration and displacement data domain | |
Bandara | Damage identification and condition assessment of building structures using frequency response functions and neural networks | |
CN103399978B (zh) | 一种桥梁抗弯刚度识别方法 | |
CN110008520A (zh) | 基于位移响应协方差参数和贝叶斯融合的结构损伤识别方法 | |
Xu et al. | Damage identification of single-layer cylindrical latticed shells based on the model updating technique | |
CN112818577B (zh) | 一种基于深度学习理论的叠合梁火灾后损伤识别方法 |
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 |