機(jī)械結(jié)構(gòu)健康監(jiān)測(cè)關(guān)鍵技術(shù)(編輯修改稿)
2025-08-26 06:29 本頁面
【文章內(nèi)容簡介】 態(tài)的線性無關(guān)的貢獻(xiàn)，通過迭代使得初始測(cè)點(diǎn)迅速減少到可行的數(shù)目。Guyan模型縮減法也是一種常用的測(cè)點(diǎn)選擇方法，通過剛度或質(zhì)量子矩陣構(gòu)成的轉(zhuǎn)換矩陣，可以把那些對(duì)模態(tài)反應(yīng)起主要作用的自由度保留下來作為測(cè)點(diǎn)的位置。Udwadia基于Fisher信息陣提出了一種適合線性和非線性系統(tǒng)的傳感器最優(yōu)布置的快速算法。還有一些基于遺傳算法和退火算法的優(yōu)化測(cè)點(diǎn)方法等。測(cè)試數(shù)據(jù)的分析處理首先要完成的就是結(jié)構(gòu)損傷識(shí)別，然后再結(jié)合專家系統(tǒng)對(duì)結(jié)構(gòu)的整體健康狀況作出評(píng)估，根據(jù)當(dāng)前的健康狀態(tài)給出系統(tǒng)的可靠性預(yù)測(cè)。因此可以看出，在結(jié)構(gòu)健康監(jiān)測(cè)中最關(guān)鍵的就是測(cè)試數(shù)據(jù)的分析處理，一旦健康監(jiān)測(cè)系統(tǒng)投入運(yùn)營，主要的工作就是如何從測(cè)試信號(hào)中提取出有關(guān)結(jié)構(gòu)損傷的狀態(tài)信息。從目前的發(fā)展與研究成果來看，高性能的智能傳感器元件和信息采集裝備越來越多地在工程中得到應(yīng)用；傳感器的優(yōu)化布置難題逐漸被一些大型復(fù)雜結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)的開發(fā)所攻克和解決。目前的技術(shù)難題是如何對(duì)來自健康監(jiān)測(cè)系統(tǒng)的海量測(cè)試數(shù)據(jù)進(jìn)行分析、處理，進(jìn)而對(duì)結(jié)構(gòu)的健康狀況進(jìn)行監(jiān)測(cè)、日常管理以便在結(jié)構(gòu)發(fā)生事故之前提前預(yù)警，以減少災(zāi)害的損失。然而，大型結(jié)構(gòu)具有較多的結(jié)構(gòu)冗余度和環(huán)境荷載的不確定性；此外，來自監(jiān)測(cè)系統(tǒng)的海量數(shù)據(jù)也包含大量的噪聲和不確定性。因此，如何合理有效地處理來自健康監(jiān)測(cè)系統(tǒng)海量不確定測(cè)量數(shù)據(jù)與信息，進(jìn)而對(duì)結(jié)構(gòu)的健康狀況進(jìn)行評(píng)價(jià)成為國內(nèi)外同行關(guān)注的熱點(diǎn)和難點(diǎn)。4 智能信息處理及其在機(jī)械結(jié)構(gòu)健康監(jiān)測(cè)中的應(yīng)用機(jī)械結(jié)構(gòu)健康監(jiān)測(cè)是采用現(xiàn)場(chǎng)的無損傳感技術(shù)和結(jié)構(gòu)特性分析手段來探測(cè)和揭示結(jié)構(gòu)狀態(tài)退化或損傷發(fā)生的過程。結(jié)構(gòu)損傷檢測(cè)的核心是模式識(shí)別(模式分類)，它是指對(duì)表征事物或現(xiàn)象的各種形式的信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分。典型的模式識(shí)別包括數(shù)據(jù)獲取、預(yù)處理、特征選擇和提取、分類決策及分類器設(shè)計(jì)五部分組成。其核心和關(guān)鍵是選擇有效的特征參數(shù)和模式識(shí)別方法，它們強(qiáng)烈地影響著模式分類的設(shè)計(jì)及其性能，也是結(jié)構(gòu)健康監(jiān)測(cè)與診斷的核心和關(guān)鍵。智能信息處理是近幾年發(fā)展起來的新型信息處理技術(shù)，它是將不完全、不可靠、不精確、不一致和不確定的知識(shí)和信息逐步改變?yōu)橥耆?、可靠、精確、一致和確定的知識(shí)和信息的過程和方法。它的出現(xiàn)和發(fā)展為以上難題提供了一條途徑和技術(shù)保障。智能信息處理涉及到信息科學(xué)的多個(gè)領(lǐng)域，包括現(xiàn)代信號(hào)處理、神經(jīng)網(wǎng)絡(luò)、模糊理論、進(jìn)化計(jì)算、數(shù)據(jù)融合(信息融合)、分形理論、粗糙集等，下面對(duì)智能信息技術(shù)在結(jié)構(gòu)健康監(jiān)測(cè)中的應(yīng)用進(jìn)展進(jìn)行介紹。 現(xiàn)代信號(hào)處理結(jié)構(gòu)健康監(jiān)測(cè)與診斷的核心問題之一是尋找對(duì)損傷狀態(tài)敏感的特征參數(shù)或者損傷指標(biāo)，而這些損傷指標(biāo)，如基于頻率、振型、曲率、模態(tài)柔度、應(yīng)變能等，都需要結(jié)構(gòu)的模態(tài)特征參數(shù)如頻率、振型與阻尼等，它們是運(yùn)用信號(hào)處理技術(shù)對(duì)結(jié)構(gòu)的響應(yīng)進(jìn)行系統(tǒng)識(shí)別而得到的。噪聲的分離和信號(hào)分析是特征選擇和提取的前期工作，也是結(jié)構(gòu)健康監(jiān)測(cè)十分重要而又困難的首要工作。可以從硬件和軟件2個(gè)方面進(jìn)行研究：前者從傳感器方面開發(fā)更高精度與可靠性、抗噪或干擾的新型傳感器如光纖傳感器、壓電陶瓷傳感器等；后者研發(fā)相應(yīng)的信號(hào)分析和噪聲剔除技術(shù)，如傅里葉變換、短時(shí)傅里葉變換、WignerVille分布、小波/包分析、希黃變換(HHT)、盲源分離等，后三者是近一二十年發(fā)展起來的信號(hào)處理工具。 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是由許多神經(jīng)元按照不同的連接方式構(gòu)成的巨型復(fù)雜網(wǎng)絡(luò)。它以分布式方式存儲(chǔ)信息，因此具有并行計(jì)算、聯(lián)想記憶、自適應(yīng)和高度非線性動(dòng)力學(xué)特征，能處理模糊性、隨機(jī)性、噪聲或不相容的信息。神經(jīng)網(wǎng)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1