基于小波能量熵的结构损伤识别

发布时间：2017-10-11 11:16

  本文关键词：基于小波能量熵的结构损伤识别

  更多相关文章： 结构损伤识别 小波能量熵 小波分解 可靠性

【摘要】：结构损伤识别在结构健康监测领域非常重要,是一项具有挑战性的任务。前人提出了许多结构损伤识别的方法,但当这些方法应用时,还是存在很多困难。目前结构损伤识别方法大多基于结构振动分析的线性方法。本文在前人研究基础上对小波能量熵的损伤识别方法进行了改进,综合考虑既有的损伤识别指标并提出新的损伤识别指标。本文主要从以下几方面进行研究:首先,深入研究了小波能量熵理论,并引入到桥梁等工程结构损伤识别领域。利用小波能量熵理论对小波分解进行了参数优化,得到小波分解的最优分解层数和最优小波基。通过优化参数后的小波分解得到的小波系数提取小波能量,并将不同尺度下的小波能量熵峰值作为特征值,基于小波能量以及小波能量熵有效识别结构损伤。在此基础上构建平均小波能量熵变化率、差熵率、可靠性等损伤识别指标,并验证损伤识别指标的有效性。其次,建立了两端铰支梁的有限元模型并进行了数值仿真研究,设置了多种不同的损伤工况,得到加速度响应信号并进行小波分解,利用小波系数计算小波能量和小波能量熵,并通过损伤指标对结构损伤进行了准确而有效的识别,验证所提出方法的正确性和可靠性。最后,在实验室设计并制作了矩形截面空心管梁模型桥梁,利用先进的LMS动力测试与分析系统,通过对健康和多种损伤工况模型桥梁的激励,同时采集桥梁不同测点的加速度响应,基于小波能量熵理论识别桥梁模型的结构损伤,进一步通过试验验证方法的有效性和适用性。
【关键词】：结构损伤识别 小波能量熵 小波分解 可靠性
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U446
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-14
• 1.1 研究背景与意义8-9
• 1.2 国内外研究现状9-12
• 1.2.1 基于小波熵的研究现状9-12
• 1.3 研究对象、研究内容和论文框架12-14
• 1.3.1 研究对象12
• 1.3.2 研究内容12-13
• 1.3.3 论文框架13-14
• 第2章 理论背景及算法研究14-22
• 2.1 引言14
• 2.2 小波理论14-17
• 2.2.1 小波分析理论14-15
• 2.2.2 小波变换理论15-17
• 2.2.3 小波分解理论17
• 2.3 信息熵理论17-18
• 2.4 基于小波能量熵的结构损伤识别方法18-21
• 2.4.1 小波能量熵18-20
• 2.4.2 相对小波熵20
• 2.4.3 结构损伤识别指标20-21
• 2.5 本章小结21-22
• 第3章 数值仿真22-58
• 3.1 引言22-23
• 3.2 两端铰支矩形截面梁23-26
• 3.2.1 有限元模型23
• 3.2.2 建模与损伤模拟23-25
• 3.2.3 结构响应分析25-26
• 3.3 基于能量熵的小波分解参数优化26-34
• 3.3.1 小波分解层数的确定27-30
• 3.3.2 小波基的选择30-31
• 3.3.3 窗口宽度的确定31-34
• 3.4 基于小波能量熵的结构损伤识别数值仿真研究34-56
• 3.4.1 基准状态分析34-37
• 3.4.2 单损伤识别37-48
• 3.4.3 两处损伤识别48-51
• 3.4.4 三处损伤识别51-56
• 3.5 本章小结56-58
• 第4章 实验验证58-80
• 4.1 引言58
• 4.2 实验概况58-62
• 4.3 基于小波能量熵的结构损伤识别实验验证62-78
• 4.3.1 基准状态下的实验结果分析63-67
• 4.3.2 单损伤识别67-74
• 4.3.3 两处损伤识别74-76
• 4.3.4 三处损伤识别76-78
• 4.4 本章小结78-80
• 第5章 结论与展望80-82
• 5.1 结论80-81
• 5.2 展望81-82
• 参考文献82-87
• 致谢87

【相似文献】

中国期刊全文数据库 前10条

1 赵海滨;王宏;李春胜;;采用相对小波能量法的脑-机接口设计[J];东北大学学报(自然科学版);2009年08期

2 孙增寿;林友勤;任伟新;;基于小波能量分布向量的结构损伤识别[J];地震工程与工程振动;2007年05期

3 张彦梅;阳进;;一种基于小波能量分析的目标识别方法[J];北京理工大学学报;2010年07期

4 赵伟;曾周末;靳世久;张宇;;基于归一化小波能量系数的管道安全识别算法[J];纳米技术与精密工程;2012年02期

5 周天沛;;基于小波能量熵的故障信号诊断研究[J];煤矿机械;2010年11期

6 李合生,毛剑琴,李世玲,张富堂;基于多尺度小波能量积累的雷达回波检测方法[J];系统工程与电子技术;2000年11期

7 朱亚超,李文锋;改进型小波能量法的图像融合评价[J];武汉理工大学学报;2005年01期

8 姜润翔;史建伟;龚沈光;;基于尺度—小波能量谱的船舶水压场信号检测[J];电子学报;2009年01期

9 毛晨曦;周文松;欧进萍;;基于小波能量传递函数谱的结构损伤识别[J];哈尔滨工业大学学报;2011年08期

10 蒋聪;;基于小波能量熵的配电网系统故障检测[J];电子制作;2013年19期

中国重要会议论文全文数据库 前3条

1 李庆奇;马莉;;基于小波能量的轮廓抖动性烟雾检测算法[A];浙江省电子学会2011学术年会论文集[C];2011年

2 陈保家;李力;赵新泽;;基于尺度-小波能量谱、粗糙集和神经网络集成的内燃机故障诊断方法[A];第二十六届中国控制会议论文集[C];2007年

3 王继祥;陶业荣;;利用小波能量评价语音通信质量的方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

中国硕士学位论文全文数据库 前7条

1 王夫歌;车辆—轨道耦合建模与轨道表面凹陷检测[D];南京理工大学;2016年

2 陈亮;基于小波能量熵的结构损伤识别[D];暨南大学;2016年

3 吴京;基于模分量小波能量谱的电缆故障识别方法研究[D];西安科技大学;2014年

4 张进;基于时间—小波能量谱及交叉小波变换的振动信号分析[D];清华大学;2010年

5 董旭洋;基于EEG信号的癫痫发病预测的算法研究[D];哈尔滨工业大学;2015年

6 杨涌;基于小波能量融合的显微序列图像合成研究及其在工件表面检测中的应用[D];浙江工业大学;2006年

7 陈晓伟;基于脑电的自动睡眠分期[D];南京邮电大学;2014年

，

本文编号：1012208