基于小波包和支持向量机的斜拉桥损伤识别研究
发布时间：2021-03-25 16:21
斜拉桥因其跨越能力强、结构形式简洁美观、良好的力学性能和经济指标等优点,得到广泛的应用,随着斜拉桥的发展,及时对斜拉桥进行健康监测与损伤识别,对于桥梁的安全运营及养护具有极其重要的价值,对事故的预防和生命财产安全具有重大的意义。因此,本文采用小波包分析和支持向量机相结合的损伤识别方法进行了斜拉桥损伤识别研究。（1）从理论上推导了小波包能量变化率损伤识别指标,并通过数值仿真证明了该指标进行斜拉桥主梁和斜拉索损伤识别的可行性。（2）提出了基于小波包分析和支持向量机相结合的损伤识别方法,并以实验室模型桥为研究对象进行了数值验证,结果表明:利用该方法可以实现斜拉桥主梁和斜拉索线性损伤位置及程度的精确识别;在此基础上,研究了输入向量位置及数目对识别结果的影响,发现输入向量的位置对斜拉索损伤识别结果的影响较小,对斜拉桥主梁的影响较大,随着输入向量个数的增加,斜拉桥主梁和斜拉索的识别率均逐渐增加。（3）应用小波包分析和支持向量机相结合的损伤识别方法,对斜拉桥主梁和斜拉索的非线性损伤识别问题进行了初步的探讨,发现该损伤识别方法对非线性损伤识别同样适用。对比线性和非线性损伤下的识别率和精确度,发现非线性...
【文章来源】：石家庄铁道大学河北省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
斜拉桥实验室模型
图 2-6 斜拉桥有限元模型表 1 斜拉桥主要结构参数表件 单元类型 密度/kg·m-3弹簧模量/N·m-1索 Link10 7800 0.8e11 钢板） Shell63 7800 2.1e11 合金） Shell63 2700 0.7e11 支柱 Link8 7850 3e11 塔 Shell63 7800 2.1e11 取的车辆模型为汽车的全车模型，如图 2-7 所示。将车体度的质量块，用1m 表示，相互之间通过刚臂进行连接；阻尼系统，其质量分别简化为只有竖向自由度的质量块，用1k 、1c 表示车体与悬架之间弹簧阻尼系统中的弹簧刚度和示悬架与车轮之间弹簧阻尼系统中的弹簧刚度和阻尼系数、俯仰及侧仰自由度，与真实汽车受力情况相似。根据的缩尺比对汽车缩尺，车辆具体参数如表 2 所示。
根据斜拉索所在位置以及对称性将主梁划分为 80 个区域，为了方便表示将这些区域进行编号，主梁顶板单元的区域编号如图 2-8 所示，从上至下共有四行，分别记为第一行、第二行…，从左至右共有 20 列。其中第一行从左至右的编号为 1~20，第二行从左至右的编号为 21~40，第三行从左至右的编号为 41~60，第四行从左至右的编号为 61~80。m1k1、c1m2m3k2、c2m1k1、c1m2m3k2、c2m1k1、c1m2m3k2、c2m1k1、c1m2m3k2、c2图 2-7 车辆模型图
【参考文献】：
期刊论文
[1]基于神经网络和小波分析的超短期风速预测[J]. 高阳,钟宏宇,陈鑫宇,耿爱成,张柳,雷彩娟. 可再生能源. 2016(05)
[2]基于小波分析与人工神经网络的网络舆情预测[J]. 舒予,张黎俐. 情报科学. 2016(04)
[3]连续梁结构损伤识别的小波神经网络方法研究[J]. 管德清,廖俊文. 中外公路. 2016(01)
[4]基于小波神经网络方法的桥梁结构损伤识别研究[J]. 肖书敏,闫云聚,姜波澜. 应用数学和力学. 2016(02)
[5]高炉煤气产生量与消耗量动态预测模型及应用[J]. 张琦,李鸿亮,赵晓宇,贾辉. 哈尔滨工业大学学报. 2016(01)
[6]基于小波包能量的桥梁损伤识别指标[J]. 朱劲松,孙雅丹. 振动.测试与诊断. 2015(04)
[7]基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测[J]. 黄发明,殷坤龙,张桂荣,周春梅,张俊. 地球科学(中国地质大学学报). 2015(07)
[8]基于小波神经网络的建筑工程沉降变形预测[J]. 谭衢霖,魏健,胡吉平. 应用基础与工程科学学报. 2015(03)
[9]基于应变模态小波神经网络的结构损伤识别方法[J]. 管德清,廖俊文,吴兆. 吉首大学学报(自然科学版). 2015(03)
[10]基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究[J]. 赵世英,李延强. 石家庄铁道大学学报(自然科学版). 2015(01)
硕士论文
[1]基于支持向量机的斜拉桥拉索损伤识别技术研究[D]. 王昕.石家庄铁道大学 2014
[2]基于小波分析能量变化率的斜拉桥损伤识别研究[D]. 朱利颖.郑州大学 2013
[3]震后桥梁结构的时域损伤识别[D]. 刘越.西南交通大学 2010
[4]基于动力特性变化的刚架拱桥损伤评估[D]. 熊力.华中科技大学 2009
[5]基于SVM的结构损伤识别方法研究[D]. 柳宪东.哈尔滨工业大学 2008
[6]小波和神经网络相结合的结构损伤识别方法[D]. 冯立芳.浙江大学 2006
本文编号：3099959
【文章来源】：石家庄铁道大学河北省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
斜拉桥实验室模型
图 2-6 斜拉桥有限元模型表 1 斜拉桥主要结构参数表件 单元类型 密度/kg·m-3弹簧模量/N·m-1索 Link10 7800 0.8e11 钢板） Shell63 7800 2.1e11 合金） Shell63 2700 0.7e11 支柱 Link8 7850 3e11 塔 Shell63 7800 2.1e11 取的车辆模型为汽车的全车模型，如图 2-7 所示。将车体度的质量块，用1m 表示，相互之间通过刚臂进行连接；阻尼系统，其质量分别简化为只有竖向自由度的质量块，用1k 、1c 表示车体与悬架之间弹簧阻尼系统中的弹簧刚度和示悬架与车轮之间弹簧阻尼系统中的弹簧刚度和阻尼系数、俯仰及侧仰自由度，与真实汽车受力情况相似。根据的缩尺比对汽车缩尺，车辆具体参数如表 2 所示。
根据斜拉索所在位置以及对称性将主梁划分为 80 个区域，为了方便表示将这些区域进行编号，主梁顶板单元的区域编号如图 2-8 所示，从上至下共有四行，分别记为第一行、第二行…，从左至右共有 20 列。其中第一行从左至右的编号为 1~20，第二行从左至右的编号为 21~40，第三行从左至右的编号为 41~60，第四行从左至右的编号为 61~80。m1k1、c1m2m3k2、c2m1k1、c1m2m3k2、c2m1k1、c1m2m3k2、c2m1k1、c1m2m3k2、c2图 2-7 车辆模型图
【参考文献】：
期刊论文
[1]基于神经网络和小波分析的超短期风速预测[J]. 高阳,钟宏宇,陈鑫宇,耿爱成,张柳,雷彩娟. 可再生能源. 2016(05)
[2]基于小波分析与人工神经网络的网络舆情预测[J]. 舒予,张黎俐. 情报科学. 2016(04)
[3]连续梁结构损伤识别的小波神经网络方法研究[J]. 管德清,廖俊文. 中外公路. 2016(01)
[4]基于小波神经网络方法的桥梁结构损伤识别研究[J]. 肖书敏,闫云聚,姜波澜. 应用数学和力学. 2016(02)
[5]高炉煤气产生量与消耗量动态预测模型及应用[J]. 张琦,李鸿亮,赵晓宇,贾辉. 哈尔滨工业大学学报. 2016(01)
[6]基于小波包能量的桥梁损伤识别指标[J]. 朱劲松,孙雅丹. 振动.测试与诊断. 2015(04)
[7]基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测[J]. 黄发明,殷坤龙,张桂荣,周春梅,张俊. 地球科学(中国地质大学学报). 2015(07)
[8]基于小波神经网络的建筑工程沉降变形预测[J]. 谭衢霖,魏健,胡吉平. 应用基础与工程科学学报. 2015(03)
[9]基于应变模态小波神经网络的结构损伤识别方法[J]. 管德清,廖俊文,吴兆. 吉首大学学报(自然科学版). 2015(03)
[10]基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究[J]. 赵世英,李延强. 石家庄铁道大学学报(自然科学版). 2015(01)
硕士论文
[1]基于支持向量机的斜拉桥拉索损伤识别技术研究[D]. 王昕.石家庄铁道大学 2014
[2]基于小波分析能量变化率的斜拉桥损伤识别研究[D]. 朱利颖.郑州大学 2013
[3]震后桥梁结构的时域损伤识别[D]. 刘越.西南交通大学 2010
[4]基于动力特性变化的刚架拱桥损伤评估[D]. 熊力.华中科技大学 2009
[5]基于SVM的结构损伤识别方法研究[D]. 柳宪东.哈尔滨工业大学 2008
[6]小波和神经网络相结合的结构损伤识别方法[D]. 冯立芳.浙江大学 2006
本文编号：3099959
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3099959.html
