基于小波分析的框架损伤诊断与在线监控

基于小波分析的框架损伤诊断与在线监控

论文摘要

结构损伤诊断和在线监控在土木工程领域已经越来越重要。动力测试的出现,相对于静载试验,让损伤诊断更加经济快捷,让在线监控更加切实可行,目前在信号处理领域频域法发展最为成熟,应用也最为广泛,时域法次之,但是对于不平稳时变的信号,时域法和频域法都不能满足在时频两域同时进行局部分析的要求;在灵敏度分析方面,近期发展起来的小波系数灵敏度利用小波局部显征的功能在理论上对损伤会比以往的灵敏度都要灵敏,但是尚需更多的试验验证;振动采样过程中不可避免的噪声干扰始终是动测法发展道路上的一个障碍,来源广泛、特点复杂的噪声常常干扰测试者从采集的信号中获取结构的真实信息和有用信息。针对以上几个问题,本文以小波为工具展开研究,主要内容如下:1.利用多自由度的振动方程推出响应灵敏度的方程是一个二阶常微分方程,引进Newmark数值迭代算法解方程,将所求的响应灵敏度进行小波变换得到小波系数灵敏度。通过对试验室四层框架进行实测分析,检验小波系数灵敏度对小损伤的敏感程度和识别物理参数变化量的能力,同时,将小波系数灵敏度与响应灵敏度对比以及不同尺度的小波系数灵敏度之间对比,寻求较敏感的损伤识别因子。2.利用小波的时频两域局部化能力和傅里叶对平稳信号的理想处理,提出一套在线监控的信号分析方法,当信号受到严重干扰而无法直接识别损伤时刻时,通过压缩去噪、提高变换尺度和逐个尺度观察等方法可以解决这一问题。通过对试验室四层框架进行实测分析,借助小波变换识别时变点,利用傅里叶变换识别频率变化,验证了该法的稳定性和可行性。3.利用小波的多分辨分析进行去噪,根据噪声的种类和来源,将噪声分成三种不同特点的分量,提出一种“对比滤除偶然有色噪声→滤除有先验知识的固有有色噪声→压缩滤除白噪声”的分类分步滤噪方法。通过对试验室四层框架进行采样分析,对比经过应用验证噪声含量较低的信号对噪声含量较高的信号进行去噪,取得了满意的结果。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 概述
  • 1.2 损伤诊断
  • 1.3 国内外动测法损伤诊断的研究现状
  • 1.3.1 结构物理参数识别和模态参数识别
  • 1.3.2 频域法、时域法和联合时频域方法
  • 1.4 国内外小波的研究现状
  • 1.5 本文研究的内容及方法
  • 第2章 基于小波系数灵敏度的框架损伤诊断
  • 2.1 概述
  • 2.2 灵敏度方法的理论
  • 2.2.1 灵敏度分析
  • 2.2.2 响应灵敏度
  • 2.2.3 小波系数灵敏度
  • 2.3 响应灵敏度和小波系数灵敏度的求解
  • 2.3.1 响应灵敏度的求解
  • 2.3.2 小波系数灵敏度的求解
  • 2.3.3 Newmark 算法
  • 2.4 基于灵敏度分析的损伤诊断
  • 2.5 试验数据验证
  • 2.5.1 试验对象与试验内容
  • 2.5.2 框架结构计算模型
  • 2.5.3 灵敏度值计算
  • 2.5.4 损伤识别
  • 2.6 小结
  • 第3章 基于小波和傅里叶变换的结构在线监控
  • 3.1 概述
  • 3.2 关于小波和傅里叶的一些概念
  • 3.2.1 小波变换
  • 3.2.2 傅里叶变换
  • 3.3 数值算例检验
  • 3.4 试验数据验证
  • 3.4.1 试验对象与试验内容
  • 3.4.2 识别时变点
  • 3.4.3 识别频率变化
  • 3.5 小结
  • 第4章 利用小波分类分步去噪
  • 4.1 概述
  • 4.2 小波分解与重构的相关理论
  • 4.2.1 小波变换与逆变换
  • 4.2.2 二进小波变换与逆变换
  • 4.2.3 小波分解与重构
  • 4.3 小波的多分辨分析与去噪
  • 4.3.1 噪声的特点与分类
  • 4.3.2 小波降噪的原理
  • 4.3.3 小波降噪的具体步骤和方法
  • 4.4 数值算例检验
  • 4.5 试验数据验证
  • 4.6 小结
  • 结论与展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].心音信号的小波分析研究[J]. 福建电脑 2019(12)
    • [2].基于小波分析的变压器异常特征量的提取[J]. 科技创新与应用 2019(20)
    • [3].小波分析在图像处理中的应用[J]. 数字通信世界 2019(08)
    • [4].小波分析在图像处理中的应用研究[J]. 电脑迷 2016(09)
    • [5].小波分析在旋转机械故障诊断中的应用[J]. 科技资讯 2010(34)
    • [6].小波分析在机械故障诊断中的应用[J]. 机电一体化 2013(10)
    • [7].基于小波分析的裂纹梁的损伤识别[J]. 机械设计与制造 2009(07)
    • [8].博士生核心课程“小波分析”建设探索[J]. 电气电子教学学报 2019(02)
    • [9].小波分析在股票指数分析中的应用[J]. 中外企业家 2015(16)
    • [10].小波分析在图像处理中的应用及发展[J]. 科技资讯 2011(32)
    • [11].细胞初始黏附过程的小波分析[J]. 医用生物力学 2009(S1)
    • [12].小波分析时间序列算法在烧结终点的预测研究[J]. 计算机测量与控制 2013(01)
    • [13].小波分析在信号处理中的应用[J]. 中国高新技术企业 2011(08)
    • [14].第二代小波分析在轴承故障诊断中的应用[J]. 北京工业大学学报 2009(05)
    • [15].基于小波分析的海洋平台结构损伤检测技术探讨[J]. 科技创新与应用 2015(09)
    • [16].电力系统继电保护过程中小波分析的应用探讨[J]. 信息与电脑(理论版) 2013(20)
    • [17].浅谈小波分析在大地测量中的应用与进展[J]. 城市建筑 2013(18)
    • [18].低压故障电弧的形态小波分析[J]. 低压电器 2013(20)
    • [19].多细胞基因表达式编程和小波分析的降水预测[J]. 计算机仿真 2019(08)
    • [20].基于小波分析的水稻生育期气象因子对产量的影响[J]. 大麦与谷类科学 2018(02)
    • [21].小波分析在振动信号去噪中的应用研究[J]. 吉林建筑大学学报 2016(05)
    • [22].基于奇异值分解和小波分析的结构模态参数识别[J]. 华中科技大学学报(城市科学版) 2008(02)
    • [23].小波分析和神经网络在超声波检测中的应用[J]. 起重运输机械 2008(10)
    • [24].基于小波分析的抗振动信号处理算法研究[J]. 西安文理学院学报(自然科学版) 2018(01)
    • [25].基于小波分析的导航传感器消噪处理方法研究[J]. 现代导航 2017(04)
    • [26].基于小波分析的典型干旱草原区降水特征研究[J]. 安徽农业科学 2014(03)
    • [27].基于小波分析的蚂蚁追踪技术[J]. 断块油气田 2020(01)
    • [28].一种基于小波分析的网络流量异常检测方法[J]. 计算机科学 2019(08)
    • [29].浅析小波分析在矿山物探数据处理中的应用[J]. 世界有色金属 2019(14)
    • [30].小波分析在发动机故障诊断中的应用[J]. 内燃机与配件 2019(21)

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    基于小波分析的框架损伤诊断与在线监控
    下载Doc文档

    猜你喜欢