摘要:为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题，提出了一种基于关联模态的云推理算法。建立残余力基本方程，并分析了基于残余力向量的损伤识别原理；提出了基于残余力的云推理算法，给出了云模型的数字特征，分析了前件云发生器和后件云发生器，给出了基于灰云模型的定性规则库建立方法，并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点，进一步提出了关联模态云推理算法，以提高损伤识别的精度和可靠性，并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明，关联模态云推理算法可以较好地识别出结构损伤，其识别效果明显优于残余力向量法和残余力云推理算法。

摘要:为了解决测量噪声等引起的损伤识别不确定问题，提出了基于应变能均化指标和云模型相结合的识别方法。分析了结构的模态应变能以及两种损伤指标，并考虑到模态应变能耗散率指标和等效指标之间的互补性质，通过均化方法建立了模态应变能均化指标；给出了云模型的基本理论，分析了云模型的数字特征、云处理算法以及确定度计算方法；结合随机测量噪声等引起的不确定性问题，建立了基于应变能均化指标和云模型的损伤识别方法。数值计算结果表明，应变能均化指标的识别结果略优于应变能耗散率指标和应变能等效指标，当考虑随机测量噪声时，云模型与应变能均化指标相结合的方法可以较好地进行含噪数据的损伤识别。

摘要:为了解决结构的多损伤识别问题,提出了基于免疫遗传算法和贝叶斯融合理论的二阶段识别方法。首先将结构的应变能和频率数据作为两种具有互补性质的信息源,通过采用贝叶斯融合理论来初步确定结构的损伤位置,然后通过免疫遗传算法来精确确定结构的损伤位置和程度。考虑到基本免疫遗传算法的搜索效率仍不太高,故提出了疫苗培养、以及双终止条件等改进策略。数值计算结果表明,论文提出的二阶段方法可以有效的识别出结构的损伤位置和程度,而所建议的改进免疫遗传算法明显优于基本免疫遗传算法和简单遗传算法。

摘要:通过对结构损伤的动力识别技术近二十年来国内外研究成果的总结,阐述了结构损伤动力识别研究的发展历程。首先介绍了结构损伤动力识别技术的基本原理,然后从三个方面,即结构损伤的动力识别机理、结构损伤的动力识别参数和结构损伤的识别算法,分别探讨了结构损伤动力识别技术的发展现状和面临的问题,最后对结构损伤动力识别的未来研究趋势进行了展望。