考慮隨機(jī)缺陷網(wǎng)殼結(jié)構(gòu)損傷識別理論及試驗研究

1、目錄目錄2研究背景研究背景 （3-12） 1主要研究內(nèi)容主要研究內(nèi)容 （13-23）2進(jìn)度計劃進(jìn)度計劃 （24）3研究背景研究背景- -選題意義（選題意義（1 1）31 1 健康監(jiān)測是土木工程當(dāng)前的研究熱點，健康監(jiān)測是土木工程當(dāng)前的研究熱點， 損傷識別是健康監(jiān)測的核心內(nèi)容。損傷識別是健康監(jiān)測的核心內(nèi)容。42 2 空間結(jié)構(gòu)承受荷載隨機(jī)性強(qiáng)。初始缺陷、局部桿件空間結(jié)構(gòu)承受荷載隨機(jī)性強(qiáng)。初始缺陷、局部桿件損傷均能顯著地影響結(jié)構(gòu)的承載能力和動力特性。損傷均能顯著地影響結(jié)構(gòu)的承載能力和動力特性。 隨機(jī)缺陷隨機(jī)缺陷施工中很容易施工中很容易出現(xiàn)誤差出現(xiàn)誤差施工不當(dāng)導(dǎo)致壓桿屈曲施工不當(dāng)導(dǎo)致壓桿屈曲概率論概率論

2、與與數(shù)理統(tǒng)計數(shù)理統(tǒng)計研究背景-選題意義（2）5法國戴高樂機(jī)場法國戴高樂機(jī)場倒塌現(xiàn)場倒塌現(xiàn)場一旦出現(xiàn)事故，一旦出現(xiàn)事故，影響巨大影響巨大20102010冬奧會主會冬奧會主會場穹頂坍塌場穹頂坍塌3 3 大型空間結(jié)構(gòu)一般都是地標(biāo)性、標(biāo)準(zhǔn)型建筑，工程意大型空間結(jié)構(gòu)一般都是地標(biāo)性、標(biāo)準(zhǔn)型建筑，工程意義重大義重大 研究背景-選題意義（3）6研究背景研究背景研究背景研究背景-國內(nèi)外現(xiàn)狀（國內(nèi)外現(xiàn)狀（1） 7000Z可靠狀態(tài)極限狀態(tài)失效狀態(tài)用 表示結(jié)構(gòu)的工作狀態(tài)，稱作結(jié)構(gòu)的功能函數(shù)。則結(jié)構(gòu)的工作狀態(tài)可表示為： 概率密度函數(shù)針對空間結(jié)構(gòu)隨機(jī)缺陷針對空間結(jié)構(gòu)隨機(jī)缺陷可靠度基本理論可靠度基本理論123( ,)nZg

3、 x x xx(,)zzN 工程結(jié)構(gòu)需要有一定的可靠性，是因為工程結(jié)構(gòu)在設(shè)計、施工、使用過程中具有種種影響結(jié)構(gòu)安全、適用、耐久的不確定性。結(jié)構(gòu)可靠度數(shù)值模擬方法結(jié)構(gòu)可靠度數(shù)值模擬方法 1，蒙特卡羅法蒙特卡羅法 (Monte Carlo Simulation, MCS)， 2，響應(yīng)面法響應(yīng)面法（Response Surface Method, RSM)nkPg(x)Pnflim08研究背景研究背景-國內(nèi)外現(xiàn)狀（國內(nèi)外現(xiàn)狀（2）國內(nèi)外的健康監(jiān)測國內(nèi)外的健康監(jiān)測技術(shù)已經(jīng)過多年發(fā)技術(shù)已經(jīng)過多年發(fā)展，多種技術(shù)手段展，多種技術(shù)手段基于模態(tài)域數(shù)據(jù)基于模態(tài)域數(shù)據(jù)基于時間基于時間域數(shù)據(jù)的域數(shù)據(jù)的方法方法基于時頻

4、基于時頻域數(shù)據(jù)的域數(shù)據(jù)的方法方法基于固有頻率的方法基于振型的方法基于應(yīng)變模態(tài)的方法根據(jù)結(jié)構(gòu)在一段時間前后的響應(yīng)信息來識別損傷小波奇異性檢測神經(jīng)網(wǎng)絡(luò)法小波包變換方法空間結(jié)構(gòu)健康監(jiān)測理論基于通用健康監(jiān)測理論研究背景研究背景-國內(nèi)外現(xiàn)狀（國內(nèi)外現(xiàn)狀（3）9ijIndex( )( )udi jijij ( )( )( )udMSC jjj 2(1)2( )(1)( )iiiijjjjh ( )( )( )udSM jjj 2( , )TudijTTuuddiijjMAC i jmidijmiuijmidijuijjCOMAC121221)(2 ) 1()(2) 1()(hjfjfjfjfiiiiiji

5、jdijijMSEMSEMSEMSECRijTiijKMSE基于模態(tài)域數(shù)據(jù)的主要方法基于模態(tài)域數(shù)據(jù)的主要方法ii( )uij( )dijijhjui( , )MAC j ji( )uij( )dij動力指紋動力指紋計算公式計算公式公式說明公式說明固有頻率比固有頻率比為結(jié)構(gòu)的第為結(jié)構(gòu)的第 階固有頻率，該指標(biāo)消去了損傷程階固有頻率，該指標(biāo)消去了損傷程度的影響，而僅與損傷位置有關(guān)度的影響，而僅與損傷位置有關(guān)固有振型變化固有振型變化 分別為結(jié)構(gòu)損傷前后第分別為結(jié)構(gòu)損傷前后第i階第階第j自由度的振型自由度的振型 振型曲率變化振型曲率變化為模態(tài)階次；為模態(tài)階次； 為測點號；為測點號； 為為 測點兩側(cè)的單元

6、測點兩側(cè)的單元長度長度應(yīng)變模態(tài)振型應(yīng)變模態(tài)振型為結(jié)構(gòu)的應(yīng)變模態(tài)振型為結(jié)構(gòu)的應(yīng)變模態(tài)振型MACMAC 是結(jié)構(gòu)損傷前的第是結(jié)構(gòu)損傷前的第 階模態(tài)向量階模態(tài)向量 值等于值等于1 1或接近或接近1 1，認(rèn)為兩模態(tài)相關(guān)，損，認(rèn)為兩模態(tài)相關(guān)，損傷未發(fā)生；否則破損已發(fā)生。傷未發(fā)生；否則破損已發(fā)生。COMACCOMAC 分別代表損傷前后第分別代表損傷前后第i階模態(tài)在階模態(tài)在j點的模點的模態(tài)值，態(tài)值，m為所考慮的模態(tài)數(shù)目為所考慮的模態(tài)數(shù)目 柔度曲率柔度曲率h h為第為第j j測點兩側(cè)的單元長度測點兩側(cè)的單元長度模態(tài)應(yīng)變能模態(tài)應(yīng)變能研究背景研究背景-研究不足（研究不足（1）不足之處：1 自振頻率密集型結(jié)構(gòu)，動力特

7、性復(fù)雜。大部分結(jié)構(gòu)具有對稱性。 缺乏有針對性的損傷識別方法，空間結(jié)構(gòu)重頻模態(tài)描述方法存在不足。1011研究背景研究背景-研究不足（研究不足（2）不足之處：不足之處：2目前都是進(jìn)行確定性的結(jié)構(gòu)分析， 概率意義上的結(jié)構(gòu)分析進(jìn)行的少， 結(jié)構(gòu)可靠度數(shù)值模擬方法 受軟件限制ANSYS中PDS部分的例題112研究背景研究背景-研究不足（研究不足（3）不足之處：不足之處：3目前缺乏識別結(jié)構(gòu)小損傷的有效方法，尤其是對局部構(gòu)件彈性模量下降在10%之內(nèi)的損傷難以識別。構(gòu)件剛度減少30%以上的時候，損傷很可能已經(jīng)可以用肉眼識別，再進(jìn)行監(jiān)測意義已經(jīng)不大。主要研究內(nèi)容主要研究內(nèi)容131 1）基于隨機(jī)有限元和靈敏度分析的

8、具有初始缺）基于隨機(jī)有限元和靈敏度分析的具有初始缺陷的空間結(jié)構(gòu)損傷模擬陷的空間結(jié)構(gòu)損傷模擬 2 2）空間結(jié)構(gòu)模態(tài)分析和損傷特征統(tǒng)計分析）空間結(jié)構(gòu)模態(tài)分析和損傷特征統(tǒng)計分析3 3）空間結(jié)構(gòu)統(tǒng)計損傷識別方法及試驗研究）空間結(jié)構(gòu)統(tǒng)計損傷識別方法及試驗研究14主要研究內(nèi)容主要研究內(nèi)容- -擬定章節(jié)擬定章節(jié)第一章 緒論第二章 參數(shù)統(tǒng)計特征及敏感性分析第三章 損傷數(shù)值模擬及統(tǒng)計分析第四章 基于統(tǒng)計的損傷識別方法第五章 空間結(jié)構(gòu)損傷識別試驗第六章 結(jié)論與展望主要研究內(nèi)容主要研究內(nèi)容- -參數(shù)的隨機(jī)性統(tǒng)計參數(shù)的隨機(jī)性統(tǒng)計157L/6000 13L/6000 正態(tài)分布坐標(biāo)初始缺陷0.0090.3正態(tài)分布泊松比0

9、.00010.01正態(tài)分布壁厚0.0030.3正態(tài)分布管徑6.18e92.1e11正態(tài)分布 彈性模量 E方差方差均值均值分布類型分布類型名稱名稱max1/ 300Lmin1/1000L主要研究內(nèi)容主要研究內(nèi)容-參數(shù)的敏感性分析參數(shù)的敏感性分析16主要研究內(nèi)容主要研究內(nèi)容-參數(shù)的敏感性分析參數(shù)的敏感性分析17主要研究內(nèi)容主要研究內(nèi)容-參數(shù)的敏感性分析參數(shù)的敏感性分析18統(tǒng)計意義下的小損傷更加難以識別，在已有大量樣本統(tǒng)計意義下的小損傷更加難以識別，在已有大量樣本的基礎(chǔ)上，根據(jù)距離判別的方法，實現(xiàn)損傷的判別的基礎(chǔ)上，根據(jù)距離判別的方法，實現(xiàn)損傷的判別19主要研究內(nèi)容主要研究內(nèi)容-擬解決的問題（擬解決

10、的問題（1）1階模態(tài)Zernike矩幅值 2階模態(tài)Zernike矩幅值 1、2階模態(tài)Z71相位角 第1、2階模態(tài)Zernike矩 振型Zernike矩?fù)p傷識別新指標(biāo)MACZernike矩矩Zernike多項式多項式i階模態(tài)振型階模態(tài)振型運算計算各階計算各階Zernike矩值矩值復(fù)數(shù)矩陣幅值幅值相位角相位角20 工況110第9階模態(tài)Zernike矩幅值集 工況1620第9階模態(tài)Zernike矩集 工況1115第9階模態(tài)Zernike矩集工況1115為相同類型桿件相同程度的損傷相同類型桿件相同程度的損傷引起Zernike矩幅值相同的變化，而其相位角存在差異工況1620為不同類型桿件相同程度的損傷不

11、同的工況在幅值和相位角方面都存在差異工況110為單一桿件不同程度的損傷Zernike矩 幅值不同，相位角不同 工況110第9階模態(tài)Zernike矩幅值集主要研究內(nèi)容主要研究內(nèi)容-擬解決的問題（擬解決的問題（2）21輸入輸入ZernikeZernike矩矩算法算法 支持向量機(jī)支持向量機(jī)輸出輸出損傷識別損傷識別基本思想是將樣本空間映射到特征空間(其維數(shù)通常比樣本空間高) ,在特征空間中求出原樣本集的最優(yōu)分類面,找出支持向量機(jī)來進(jìn)行模式分類。主要研究內(nèi)容主要研究內(nèi)容- -擬解決的問題（擬解決的問題（3 3）本論文以Zernike矩、小波頻帶能量等損傷特征指標(biāo)作為支持向量機(jī)的輸入，經(jīng)過樣本訓(xùn)練，實現(xiàn)對空間結(jié)構(gòu)小損傷的識別。如果可行，該方法對密頻結(jié)構(gòu)的小損傷比較敏感，且具有統(tǒng)計意義。SVM與神經(jīng)網(wǎng)絡(luò)類似，都是學(xué)習(xí)型的機(jī)制，但與神經(jīng)網(wǎng)絡(luò)不同的是SVM使用的是數(shù)學(xué)方法和優(yōu)化技術(shù)。SVM的特點是升維、線性化和小樣本。支持向量機(jī)(Support vector machines，SVM) 模式識別方法v試驗中對理論的驗證22主要研究內(nèi)容主要研究內(nèi)容-擬解決的問題（擬解決的問題（4）試驗試驗試件切割試件切割焊接焊接試驗試驗螺栓桿拆卸螺栓桿拆卸螺栓桿安裝螺栓桿安裝主要研究內(nèi)容主要研究內(nèi)容-擬解決的問題（