基于声发射技术的节段预制胶拼混凝土梁损伤识别研究

发布时间：2020-04-27 14:15

【摘要】：声发射无损检测技术具有灵敏度高、环境适应能力强、可实时动态监测等优点,对桥梁评估具有重要的工程意义。本文针对试验梁三点弯曲损伤破坏全过程的声发射信号,基于特征参数分析建立损伤破坏与声发射信号之间的联系,并结合模糊聚类和多层感知机算法提出一套定性和定量识别损伤的智能化方法。具体研究内容与成果如下。(1)通过声发射系统采集预制胶拼混凝土梁和整体混凝土梁破坏全过程产生的声发射信号,分析发现两种试验梁信号特征参数分布情况基本相同,不同之处在于预制胶拼梁接缝处更易出现裂缝,且前期裂缝发展较多,声发射现象更活跃,整体梁前期裂缝较少,积蓄了更多能量在破坏阶段释放。(2)基于特征参数时程分析和分布分析,发现随着梁体损伤程度加深,振铃计数较大、上升时间和持续时间较长、能量较强、幅值较高、RMS值较大的声发射信号逐渐增多,信号频谱分析表明40～50kHz和90～110kHz为两个最主要的频段。结合混凝土损伤演化规律和损伤发展现象,将试验梁损伤过程划分为三个阶段,分别为:微损伤阶段,混凝土带裂缝工作阶段和破坏阶段。不同阶段的参数分布存在差别,随着损伤程度的加重高强信号占比越来越大,其中上升时间超过20000μs、持续时间在100000μs左右或ASL大于60dB的信号可以作为判别损伤程度由阶段一进入阶段二的标志。(3)采用模糊聚类算法分析发现信号样本点呈现两簇分布的结构形式,由此把信号分为两种模式。为进一步分析两种信号的区别,对两种模式信号特征参数作时程分析,发现第一种模式信号在试验全程均有出现,而第二种模式信号只集中出现在试验中后期的某些时刻。将第二种模式信号的出现时间与宏观裂缝发展记录时间作对比分析,发现该种模式信号基本只出现在宏观裂缝出现、迅速开展汇合以及混凝土受压破坏时刻,表明此信号与混凝土材料程度较大的损伤直接相关。(4)提出了模糊聚类和多层感知器相结合的模型来识别不同类型声发射信号,又采用多层感知机模型识别试验梁损伤阶段,并引入Smote算法解决样本不均衡问题。多层感知器识别更准确,计算速度更快。提出了重划分损伤阶段的改进方法,以及基于多声发射事件概率组合识别的方式来改进单次信号识别结果,有效提高了模型识别准确率。
【图文】：

图１－１国内外桥梁垮塌实例逡逑－

图１－４声发射系统工作原理逡逑Ｆｉｇｕｒｅ邋１－４邋Ｗｏｒｋｉｎｇ邋ｐｒｉｎｃｉｐｌｅ邋ｏｆ邋ａｃｏｕｓｔｉｃ邋ｅｍｉｓｓｉｏｎ邋ｓｙｓｔｅｍ逡逑
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U446

【参考文献】

相关期刊论文 前10条

1 张黎明;马绍琼;任明远;蒋圣群;王在泉;王金良;;不同围压下岩石破坏过程的声发射频率及b值特征[J];岩石力学与工程学报;2015年10期

2 范向前;胡少伟;陆俊;;钢筋混凝土断裂全过程声发射特征辨识及相关参量影响[J];中国科学:技术科学;2015年08期

3 张立青;;铁路节段预制胶接拼装法建造桥梁技术与应用[J];铁道建筑技术;2015年01期

4 张立青;;节段预制拼装法建造桥梁技术综述[J];铁道标准设计;2014年12期

5 王岩;张友桃;胡鸿翔;刘绍俊;袁亮;;基于声发射和人工神经网络的混凝土损伤程度识别[J];建筑材料学报;2014年04期

6 王春生;翟慕赛;付炳宁;王玉娇;;混凝土梁桥疲劳安全监测与评估[J];重庆交通大学学报(自然科学版);2013年06期

7 韩亮;樊健生;;近年国内桥梁垮塌事故分析及思考[J];公路;2013年03期

8 许斌;龚安苏;贺佳;MASRI Sami F;;基于神经网络模型的结构参数提取新方法[J];工程力学;2011年04期

9 康玉梅;刘建坡;李海滨;魏晨慧;;一类基于最小二乘法的声发射源组合定位算法[J];东北大学学报(自然科学版);2010年11期

10 刘培洵;刘力强;黄元敏;汲云涛;;声发射定位的稳健算法[J];岩石力学与工程学报;2009年S1期

相关博士学位论文 前7条

1 章欣;基于声发射技术的钢轨伤损检测与判别研究[D];哈尔滨工业大学;2015年

2 汪庆淼;基于目标函数的模糊聚类新算法及其应用研究[D];江苏大学;2014年

3 于金涛;直升机复合材料试件声发射信号处理算法研究[D];哈尔滨工业大学;2012年

4 张力伟;混凝土损伤检测声发射技术应用研究[D];大连海事大学;2012年

5 郭健;基于小波分析的结构损伤识别方法研究[D];浙江大学;2004年

6 张平;集成化声发射信号处理平台的研究[D];清华大学;2002年

7 冯西桥;脆性材料的细观损伤理论和损伤结构的安定分析[D];清华大学;1995年

相关硕士学位论文 前10条

1 李天佑;基于小波分析和矩张量分解的声发射信号的处理与研究[D];东北石油大学;2018年

2 王文超;稀疏快速傅里叶变换的应用方法研究[D];中国测绘科学研究院;2018年

3 范宇恒;基于声发射技术的混凝土试件弯曲损伤研究[D];北京交通大学;2017年

4 王康伟;基于卷积神经网络的钢轨伤损车载识别方法研究[D];哈尔滨工业大学;2017年

5 方宁;基于卷积神经网络的振动信号模态参数提取[D];宁波大学;2017年

6 梅明星;基于声发射技术的损伤检测应用研究[D];东南大学;2016年

7 郁董凯;基于声发射和BP神经网络的钢筋混凝土梁损伤演化分析[D];江苏大学;2016年

8 张强;基于声发射技术的钢筋混凝土梁损伤识别研究[D];北京交通大学;2015年

9 高歌;基于改进神经网络的声发射信号识别算法研究[D];东南大学;2015年

10 曹慧;基于模糊聚类的储油罐底声发射源识别[D];沈阳工业大学;2014年

，

本文编号：2642341