結(jié)構(gòu)健康監(jiān)測與智能信息處理技術(shù)及應(yīng)用

內(nèi)容概要

結(jié)構(gòu)健康監(jiān)測與智能信息處理是目前國內(nèi)外研究的熱點。《結(jié)構(gòu)健康監(jiān)測與智能信息處理技術(shù)及應(yīng)用》的作者姜紹飛和吳兆旗對結(jié)構(gòu)健康監(jiān)測理論與智能信息處理及其在工程應(yīng)用方面的最新研究成果進行了歸納與總結(jié)，主要內(nèi)容包括結(jié)構(gòu)健康監(jiān)測與智能信息處理技術(shù)的發(fā)展與應(yīng)用概況、結(jié)構(gòu)健康監(jiān)測/檢測技術(shù)、現(xiàn)代信號處理技術(shù)及應(yīng)用、數(shù)據(jù)處理與特征選擇/提取技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用、?據(jù)融合技術(shù)及應(yīng)用、土木工程結(jié)構(gòu)健康監(jiān)測工程實施等。《結(jié)構(gòu)健康監(jiān)測與智能信息處理技術(shù)及應(yīng)用》內(nèi)容可應(yīng)用于高層建筑、體育場館、橋梁、堤壩和隧道等重要土木工程結(jié)構(gòu)的健康狀態(tài)監(jiān)測，也可用于機械、航天器、船舶的狀態(tài)監(jiān)測以及智能信息處理研發(fā)人員作參考，對大型復(fù)雜結(jié)構(gòu)的日常維護與管理、防災(zāi)減災(zāi)起到實時監(jiān)控和預(yù)測、預(yù)報的作用，具有重要的理論指導意義和工程實用價值。
《結(jié)構(gòu)健康監(jiān)測與智能信息處理技術(shù)及應(yīng)用》可供從事結(jié)構(gòu)健康監(jiān)測、智能信息處理的工程技術(shù)人員和管理人員參考使用。也可供高等院?相關(guān)專業(yè)師生參考。

書籍目錄

第一章緒論
1.1 結(jié)構(gòu)健康監(jiān)測的背景與意義
1.2 結(jié)構(gòu)健康監(jiān)測的發(fā)展與應(yīng)用現(xiàn)狀
1.2.1 結(jié)構(gòu)健康監(jiān)測系統(tǒng)的組成
1.2.2 結(jié)構(gòu)健康監(jiān)測／檢測的發(fā)展歷程
1.2.3 結(jié)構(gòu)健康監(jiān)測系統(tǒng)的應(yīng)用現(xiàn)狀
1.2.4 結(jié)構(gòu)健康監(jiān)測系統(tǒng)的展望
1.3 智能信息處理技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀
1.3.1 智能信息處理技術(shù)的發(fā)展歷程
1.3.2 智能信息處理技術(shù)在損傷檢測中的應(yīng)用現(xiàn)狀
1.3.3 智能信息處理技術(shù)的展望
參考文獻
第二章結(jié)構(gòu)健康監(jiān)測／檢測技術(shù)
2.1 傳統(tǒng)無損檢測技術(shù)
2.1.1 超聲檢測技術(shù)
2.1.2 射線檢測技術(shù)
2.1.3 渦流檢測技術(shù)
2.1.4 聲發(fā)射檢測技術(shù)
2.1.5 紅外檢測技術(shù)
2.2 基于振動的無損檢測技術(shù)
2.2.1 基本原理
2.2.2 檢測方法
2.2.3 發(fā)展概況
2.3 基于統(tǒng)計識別檢測技術(shù)
2.3.1 基本原理
2.3.2 識別方法
2.3.3 識別流程
2.3.4 發(fā)展概況
2.4 光纖健康監(jiān)測技術(shù)
2.4.1 光纖基本知識
2.4.2 光纖傳感基本原理
2.4.3 光纖光柵傳感器的應(yīng)用
2.4.4 發(fā)展概況
2.5 壓電智能傳感檢測技術(shù)
2.5.1 基本概念
2.5.2 基本原理
2.5.3 診斷方法
2.5.4 應(yīng)用概況
2.6 GPS監(jiān)測技術(shù)
2.6.1 GPS定位技術(shù)
2.6.2 GPS中RTK技術(shù)
2.6.3 GPS結(jié)構(gòu)健康監(jiān)測技術(shù)
2.6.4 應(yīng)用概況
2.7 智能信息處理技術(shù)
參考文獻
第三章現(xiàn)代信號處理技術(shù)及應(yīng)用
3.1 傅里葉變換與自互譜法
3.1.1 傅里葉變換
3.1.2 短時傅里葉變換
3.1.3 自互譜法
3.2 Wigner-Ville變換
3.3 小波分析
3.3.1 小?分析基本原理
3.3.2 工程應(yīng)用
3.4 小波包分析
3.4.1 基本原理
3.4.2 工程應(yīng)用
3.5 希-黃變換
3.5.1 希-黃變換基本原理
3.5.2 改進希-黃變換基本原理
3.5.3 工程應(yīng)用
3.6 盲源分離
3.6.1 盲源分離基本原理
3.6.2 主要算法
3.6.3 工程應(yīng)用
3.7 結(jié)構(gòu)健康監(jiān)測與檢測中的實測數(shù)據(jù)處理
3.7.1 應(yīng)變
3.7.2 位移、速度與加速度
3.7.3 溫度
3.7.4 風
3.7.5 其他測試物理量
參考文獻
第四章數(shù)據(jù)預(yù)處理與特征選擇／提取技術(shù)
4.1 數(shù)據(jù)預(yù)處理
4.1.1 數(shù)據(jù)清理
4.1.2 數(shù)據(jù)集成
4.1.3 數(shù)據(jù)轉(zhuǎn)換
4.1.4 數(shù)據(jù)歸約
4.1.5 數(shù)據(jù)壓縮
4.2 特征篩選與評判標準
4.2.1 特征相關(guān)分析
4.2.2 特征選擇及搜索算法
4.2.3 特征評估
4.3 特征選擇與提取
4.3.1 主組分分析
4.3.2 核主組分分析
4.3.3 基于神經(jīng)網(wǎng)絡(luò)的特征選擇與提取
4.4 動力特征參數(shù)與指紋
4.4.1 固有頻率
4.4.2 模態(tài)保證標準與坐標模態(tài)保證標準
4.4.3 曲率模態(tài)
4.4.4 模態(tài)應(yīng)變能
4.4.5 曲率差損傷指標Z值
4.4.6 模態(tài)柔度
4.4.7 指標歸一變化比
4.4.8 基于小波包能量指紋
4.5 鋼管混凝土拱橋特征提取與損傷檢測
4.5.1 拱橋模型與損傷模擬
4.5.2 環(huán)境因素影響
4.5.3 基于動力指紋的損傷識別
4.5.4 各參數(shù)的識別結(jié)果
4.5.5 比較與討論
參考文獻
第五章神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用
5.1 神經(jīng)網(wǎng)絡(luò)理論
5.1.1 神經(jīng)網(wǎng)絡(luò)模型
5.1.2 實現(xiàn)?制
5.1.3 典型神經(jīng)網(wǎng)絡(luò)模型
5.1.4 BP網(wǎng)絡(luò)模型相關(guān)問題的探討
5.1.5 神經(jīng)網(wǎng)絡(luò)的輸人選擇原則
5.2 神經(jīng)網(wǎng)絡(luò)用于結(jié)構(gòu)損傷檢測的適應(yīng)性、原理及應(yīng)用
5.2.1 適應(yīng)性
5.2.2 基本原理
5.2.3 工程應(yīng)用進展
5.3 基于概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷檢測
5.3.1 傳統(tǒng)概率神經(jīng)網(wǎng)絡(luò)
5.3.2 自適應(yīng)概率神經(jīng)網(wǎng)絡(luò)
5.3.3 主組分概率神經(jīng)網(wǎng)絡(luò)
5.3.4 工程應(yīng)用實例
5.4 基于小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷檢測
5.4.1 小波概率神經(jīng)網(wǎng)絡(luò)
5.4.2 自適應(yīng)小波概率神經(jīng)網(wǎng)絡(luò)
5.4.3 小波函數(shù)的選擇對損傷檢測的影響
5.4.4 工程應(yīng)用實例
5.5 基于模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷檢測
5.5.1 模糊神經(jīng)網(wǎng)絡(luò)
5.5.2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)
5.5.3 結(jié)構(gòu)損傷檢測方法
5.5.4 工程應(yīng)用實例
5.6 基于粗糙集神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷檢測
5.6.1 粗糙集的基本理論
5.6.2 粗糙集與神經(jīng)網(wǎng)絡(luò)的融合
5.6.3 損傷檢測方法
5.6.4 工程應(yīng)用實例
參考文獻
第六章數(shù)據(jù)融合技術(shù)及應(yīng)用
6.1 數(shù)據(jù)融合基本理論
6.1.1 基本原理
6.1.2 功能模型
6.1.3 體系結(jié)構(gòu)
6.1.4 層次結(jié)構(gòu)
6.2 數(shù)據(jù)融合算法
6.2.1 物理模型類識別算法
6.2.2 基于特征的推理技術(shù)
6.2.3 基于模型類識別算法
6.2.4 D-S證據(jù)理論
6.3 數(shù)據(jù)融合用于結(jié)構(gòu)健康監(jiān)測／檢測中的適應(yīng)性
6.4 基于小波包分解的數(shù)據(jù)融合損傷檢測
6.4.1 損傷檢測方法
6.4.2 自適應(yīng)加權(quán)融合算法
6.4.3 工程應(yīng)用實例
6.5 基于小波分解與概率神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合損傷檢測
6.5.1 損傷檢測方法
6.5.2 工程應(yīng)用實例
6.6 基于模糊神經(jīng)網(wǎng)絡(luò)和加權(quán)平均的數(shù)據(jù)融合損傷檢測
6.6.1 損傷檢測方法
6.6.2 工程應(yīng)用實例
6.7 基于神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的數(shù)據(jù)融合損傷檢測
6.7.1 損傷檢測方法
6.7.2 工程應(yīng)用實例1
6.7.3 工程應(yīng)用實例2
參考文獻
第七章土木工程結(jié)構(gòu)健康監(jiān)測工程實施
7.1 橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)方案設(shè)計
7.1.1 總體設(shè)計原則
7.1.2 實時監(jiān)測內(nèi)容的選擇
7.1.3 主要參數(shù)的監(jiān)測方法
7.2 超高層建筑結(jié)構(gòu)健康監(jiān)測系統(tǒng)方案設(shè)計
7.2.1 系統(tǒng)概述
7.2.2 系統(tǒng)組成
7.3 地鐵施工監(jiān)測方案設(shè)計
7.3.1 監(jiān)測流程
7.3.2 測點布置
7.4 隧道施工監(jiān)測方案設(shè)計
7.4.1 超前地質(zhì)預(yù)報
7.4.2 監(jiān)控量測
7.4.3 隧道施工過程質(zhì)量控制
7.4.4 施工監(jiān)控實施方案
7.5 大跨橋梁結(jié)構(gòu)健康監(jiān)測
7.5.1 大佛寺長江大橋
7.5.2 潤揚長江大橋
7.6 空間結(jié)構(gòu)與超高層建筑健康監(jiān)測
7.6.1 空間網(wǎng)架結(jié)構(gòu)
7.6.2 超高層建筑
7.7 地鐵施工監(jiān)測
7.7.1 系統(tǒng)的結(jié)構(gòu)設(shè)計
7.7.2 系統(tǒng)的功能設(shè)計
7.7.3 分布式數(shù)據(jù)庫設(shè)計
7.7.4 工程實例
7.8 隧道施工監(jiān)測
7.8.1 系統(tǒng)設(shè)計
7.8.2 工程實例
參考文獻

章節(jié)摘錄

　　噪聲在生產(chǎn)實際中是不可避免的，而消噪后的信號通常假定為純信號，這樣殘留在信號中的噪聲經(jīng)小波變換后，噪聲的奇異性就同信號本身的奇異性混在一起，給識別與檢測造成一定的困難。實際上，噪聲奇異性和信號的奇異性有截然不同的特性，它們在不同尺度上的小波模數(shù)極大值的變化具有不同性質(zhì)的指數(shù)。利用這一性質(zhì)，可以直接從含噪聲模態(tài)的小波系數(shù)中判斷出模態(tài)的奇異點，從而定位損傷，并據(jù)此對損傷程度作出合理的估計?！　?）噪聲剔除與信噪分離。由于結(jié)構(gòu)響應(yīng)往往是多種信號的疊加，因此信噪分離是一項十分重要的工作。傳統(tǒng)的信噪分離相當于信號通過一個低通或帶通濾波器，但時變信號的匹配濾波器設(shè)計起來比較麻煩，且只能得到某一頻段的信息。小波降噪的基本原理是利用小波的多分辨率時頻局部化分析特點，在多個尺度下把信號中不同頻率的成分分解到不同的子空間中去，然后對分解得到的小波系數(shù)設(shè)定門檻值，將低于門檻值的噪聲成分所在頻段的小波變換系數(shù)置零，保留感興趣頻段的小波變換系數(shù)，最后重構(gòu)信號，得到剔除／降低噪聲后的信號?？梢?，小波降／消噪相當于在信號分解和重構(gòu)過程中使用一系列高通和低通濾波器進行降噪處理?！　⌒〔ㄈピ胪ǔＳ袃煞N途徑：一是通過小波分解，只保留所關(guān)心頻帶的小波變換結(jié)果，將其他通道的變換結(jié)果置零；二是在了解噪聲成分頻率范圍的情況下，通過將噪聲成分所在的頻道小波變換系數(shù)置零，然后重構(gòu)合成信號，去除噪聲。由于強噪聲背景下運用小波提取滾動軸承故障信號的特征效果并不理想，張輝等[42’提出了將自相關(guān)及互相關(guān)與小波包相結(jié)合的滾動軸承消噪故障診斷方法。仿真結(jié)果表明，該方法極大地增強了對滾動軸承故障診斷的能力，能夠在強噪聲背景下有效地提取出滾動軸承的故障頻率。Donoho[，，。s]開發(fā)了小波閾值的軟閾值和硬閾值設(shè)置技術(shù)。王志華等人m’分析了信號本身的奇異性及噪聲奇異性在多尺度上的表現(xiàn)后，給出了如何從含噪聲信號的小波分析結(jié)果中分辨出缺陷特征與噪聲特征，并研究了噪聲對識別結(jié)果的影響規(guī)律?！　?）特征提取與結(jié)構(gòu)損傷識別。小波／包分析的一個重要作用是進行信號特征提取，即對平穩(wěn)非平穩(wěn)信號進行時頻分析，在不同細節(jié)或者逼近信號上提取反映結(jié)構(gòu)狀態(tài)的特征參數(shù)。將原始信號在不同頻帶內(nèi)進行分解和重構(gòu)，在分解得到的高頻分量中能夠明顯地看到損傷引起的突變信號：對重構(gòu)信號的功率譜密度函數(shù)運用譜峰法進行分析，可以較精確地識別出結(jié)構(gòu)的模態(tài)參數(shù)?！　⊥聊竟こ探Y(jié)構(gòu)的前幾階自振頻率處于低頻區(qū)域，在環(huán)境激勵下結(jié)構(gòu)響應(yīng)信號信噪比很低，朱宏平_8。_利用小波分析抑制測量信號中的高頻成分（即噪聲），提出了結(jié)構(gòu)低頻特性的降噪處理方法，通過比較傅里葉變換、短時傅里葉變換和小波變換三種方法對一高層建筑結(jié)構(gòu)現(xiàn)場測試信號的處理結(jié)果以及有限元分析，驗證了小波分析在模態(tài)特征參數(shù)（頻率、振型、阻尼比）提取方面的有效性。　　除了用小波／包分析提取模態(tài)參數(shù)外，很多人直接采用小波／包分解系數(shù)，提取相關(guān)的小波特征參數(shù)。先利用小波分析對原始信號進行分解，提取各水平小波細節(jié)的能量特征參數(shù)等與損傷相關(guān)聯(lián)的特征量或小波重構(gòu)系數(shù)的統(tǒng)計特性[5681]，如：標準誤差、樣本方差、峭度指標、波形指標、峰值指標等。姜紹飛等人。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    結(jié)構(gòu)健康監(jiān)測與智能信息處理技術(shù)及應(yīng)用 PDF格式下載

---