论文部分内容阅读
结构健康监测目前已经成为国内外学术界和工程界关注的热点,具有强大的生命力和研究价值。损伤识别技术是结构健康监测最关键的一个环节,因此对工程结构的损伤识别研究具有相当重要的理论和现实意义。本文综述了结构损伤识别技术的研究现状及发展趋势。简要的介绍了几种常用的时频分析方法并指出它们的不足,从而引出了一种崭新的信号处理方法——希尔伯特-黄变换(Hilbert-Huang Transform,简称HHT)。HHT是一种新的非线性、非稳态信号的处理方法。该方法由经验模态分解(Empirical Mode Decomposition,简称EMD)和希尔伯特谱分析组成。首先对信号进行EMD分解,得到有限个固有模态函数(Intrinsic Mode Function,简称IMF),然后对每一IMF分量进行Hilbert变换,得到对应的瞬时频率及其Hilbert谱和信号的能量谱。该方法的创新之处在于提出了基于信号的局部特性的固有模态函数,使瞬时频率更具有物理意义。本文围绕HHT方法,系统地介绍了该方法的基本概念及其理论基础。总结了EMD分解筛分过程终止标准的选择问题及边界效应问题,并提出了相应的处理方法。通过一人工合成信号的分析,证明该方法的有效性。通过模态混叠效应的例子,引出了为消除模态混叠而提出的总体经验模态分解(EEMD)。为解决EEMD方法中添加噪音水平问题,本文提出了将噪音污染信号通过时间延迟投影到相空间,通过奇异值分解技术确定噪音水平的方法。作者通过数值模拟信号证明了该方法的有效性。此外,通过输电塔结构的实测响应信号对该方法进行验证,实验证明该方法能有效地估计系统的基础噪音。研究过程中发现了比例噪音的存在,提出了损伤识别中的相关噪音模型。指出实测信号的噪音包括基础噪音与外部噪音,基础噪音只与测试系统相关,外部噪音与测试信号的的幅值大小有关,随着测试信号幅值的增大而增大。最后将HHT方法应用于结构损伤识别,提出了EMD能量损伤指数。本文通过数值模拟和模型实验数据分析研究了该指数在损伤识别中的有效性。在数值模拟研究中,基于MATLAB平台建立一3层框架结构,研究了其不同位置的质量及刚度损伤；在实验中,通过一角钢塔结构的加速度响应信号分析,研究了其不同损伤工况的识别效果。数值模拟及实验研究均表明,EMD能量损伤指数能准确的定位损伤和量化损伤程度,是一种有效的结构损伤识别办法。