結(jié)構(gòu)健康監(jiān)測對于預防工程結(jié)構(gòu)災害事故的發(fā)生,保障結(jié)構(gòu)的安全性、完整性與耐久性,具有重要意義�；诮Y(jié)構(gòu)振動的損傷識別方法是結(jié)構(gòu)健康監(jiān)測系統(tǒng)的核心技術之一,其基本原理是通過分析結(jié)構(gòu)模態(tài)參數(shù)或結(jié)構(gòu)的動力響應的變化來進行結(jié)構(gòu)損傷診斷。對于大型復雜結(jié)構(gòu)的損傷識別,在對其進行動態(tài)測試試驗時,通常需要安裝大量傳感器,并且需相應處理大量數(shù)據(jù),不利于準確高效識別損傷,本文基于響應功率譜靈敏度分析,結(jié)合子結(jié)構(gòu)分析方法,對可能發(fā)生損傷的關鍵子結(jié)構(gòu)進行識別,驗證了該方法的適用性與可行性。論文推導了通過響應功率譜靈敏度分析進行結(jié)構(gòu)損傷識別的算法,并且介紹了動態(tài)子結(jié)構(gòu)方法以及自由度縮聚技術,具體研究內(nèi)容與結(jié)論如下:第一,根據(jù)時域內(nèi)結(jié)構(gòu)的隨機響應公式推導出頻域內(nèi)的響應功率譜密度公式,在進行結(jié)構(gòu)損傷識別時,求取結(jié)構(gòu)模態(tài)參數(shù)對結(jié)構(gòu)物理參數(shù)的靈敏度,并采用差分法近似代替導數(shù)靈敏度以避免復雜的偏微分計算。第二,在很多情況下,結(jié)構(gòu)發(fā)生損傷的大概位置是可以知道的。本文引入動力分析的子結(jié)構(gòu)方法以提高結(jié)構(gòu)損傷識別的效率。使用子結(jié)構(gòu)方法可將對整體結(jié)構(gòu)的識別轉(zhuǎn)化為對局部結(jié)構(gòu)的識別。同時,針對大型復雜結(jié)構(gòu)自由度數(shù)過高的問題,提出幾種縮減...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 損傷識別方法分類
        1.2.1 動力指紋分析法
        1.2.2 模型修正法
        1.2.3 小波分析法
        1.2.4 神經(jīng)網(wǎng)絡算法
        1.2.5 動態(tài)子結(jié)構(gòu)法
    1.3 本文主要的研究內(nèi)容
第二章 基于響應功率譜靈敏度分析的基本理論
    2.1 引言
    2.2 響應功率譜原理
    2.3 功率譜靈敏度分析
    2.4 功率譜靈敏度的迭代
        2.4.1 功率譜函數(shù)的選取
        2.4.2 損傷參數(shù)識別的迭代過程
        2.4.3 功率譜函數(shù)的變換
    2.5 本章小結(jié)
第三章 動態(tài)子結(jié)構(gòu)方法
    3.1 引言
    3.2 子結(jié)構(gòu)的模態(tài)綜合法
        3.2.1 固定界面子結(jié)構(gòu)模態(tài)綜合法
        3.2.2 自由界面子結(jié)構(gòu)模態(tài)綜合法
    3.3 子結(jié)構(gòu)自由度縮聚方法
        3.3.1 Guyan縮聚方法
        3.3.2 改進的Guyan縮聚方法
        3.3.3 IRS動力縮聚方法
    3.4 本章小結(jié)
第四章 框架模型損傷識別的數(shù)值模擬
    4.1 引言
    4.2 基于功率譜靈敏度分析的子結(jié)構(gòu)損傷識別步驟
    4.3 三層兩跨框架模型
        4.3.1 建模與子結(jié)構(gòu)分析
        4.3.2 縮聚結(jié)構(gòu)的損傷識別
    4.4 六層框架模型
        4.4.1 單一損傷識別
        4.4.2 多損傷識別
        4.4.3 六層框架模型的有噪聲識別
    4.5 本章小結(jié)
第五章 框架結(jié)構(gòu)損傷識別試驗驗證
    5.1 引言
    5.2 試驗模型、設備及方案
        5.2.1 試驗模型
        5.2.2 試驗設備
        5.2.3 試驗方案
    5.3 試驗結(jié)果分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 未來工作展望
參考文獻
致謝
碩士期間的研究成果



本文編號：3862678