摘要：柔性压阻应变传感器具备量程大、共形能力强、稳定性好等优势,为解决传统应变传感器量程小和灵敏度低等难题提供新途径,在土木工程领域结构健康监测中有很大的应用潜力。在介绍柔性压阻应变传感器常用的材料及其传感机理基础上,归纳并总结了3种典型压阻传感原理的传感机制、传感器结构设计和制备方法以及在结构健康监测中的应用等三方面的研究现状。通过探讨材料选择、导电网络优化设计对传感性能调控的影响,发现采用复合导电填料和微观结构设计能一定程度提高传感性能;现阶段制造高性能且适应工程环境的柔性压阻应变传感器面临长期使用过程的性能下降、工程环境下的稳定性、监测系统集成维护等挑战;对于柔性压阻传感器的选择策略,建议选择碳系导电材料,选择不同主导的导电效应来满足对不同应变监测的需求;同时,展望了柔性压阻应变传感器在建筑结构智慧运维中的发展趋势。

摘要：结构损伤是一种非线性发展过程,会导致结构模态参数的变化,因此可以通过时变模态振型特征识别损伤状况。对结构的响应信号进行小波变换,提取当小波系数模出现局部极大值时的尺度参数,利用这些尺度参数识别结构的瞬时频率。选取特定尺度参数,对结构各个节点的信号进行小波变换,将信号解耦到只含某一阶模态,通过小波系数的比值进行归一化处理,从而得到结构的瞬时振型。对结构瞬时振型差做小尺度的小波变换,通过小波系数的实部出现极大值的时间及其出现的位置识别出结构的损伤时间与损伤位置,通过极大值的大小判断损伤程度。应用一个悬臂梁和斜拉桥数值算例,证明该方法不仅能准确识别结构发生损伤的时间,而且能高精度、高效率地识别结构损伤位置和损伤程度。

摘要：目前,绝大多数基于深度学习的结构损伤识别方法依靠深度神经网络自动提取结构的损伤敏感特征,并通过损伤状态之间特征的差异实现模式分类识别.然而,这些方法面临着损伤量化难度大的挑战,并且需要大量的模型训练数据.本文提出基于模型嵌入循环神经网络(Model-Embedding Recurrent Neural Network,MERNN)的损伤识别方法.首先,通过数据驱动的卷积神经网络(Convolutional Neural Network,CNN)建立荷载-响应之间的映射关系,然后,利用龙格库塔法改进传统的循环神经网络,建立基于循环神经网络架构的数值计算单元.最后,基于结构响应计算值与实测响应残差构成的损失函数与神经网络的自动微分机制来实现结构刚度参数的更新,进而实现结构损伤识别.数值模拟框架与实验室的3层剪切型框架的损伤识别结果表明,本文提出的方法能基于少量响应数据准确量化结构损伤.

摘要：结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明:噪声条件下数值模型的荷载识别误差在8%以内,荷载位置识别准确率在95%以上;实际结构的荷载识别误差在18%以内,荷载位置识别准确率为100%.两分支卷积神经网络可以很好地同时识别荷载大小和位置.

摘要：提出基于时域残余力向量的结构损伤识别方法。从结构振动方程出发,推导强迫振动条件下由结构动力响应求解时域残余力向量的表达式。时域残余力向量包含与损伤过程相关的时间信息,可以用来识别损伤发生的时刻。通过结点时域残余力向量值的变异系数建立损伤位置指标,识别损伤位置。建立结构残余力矩阵特征分解方法,特征分解获得的特征向量在损伤前后不发生改变,而特征值与单元刚度相关。因此,可以从特征值中提取单元刚度参数构建损伤程度参数,直接识别损伤程度。将时域残余力向量方法应用于武汉军山大桥模型的损伤识别,结果表明:提出的方法在单点激励和多点激励下均可高精度地识别出损伤发生的时刻、位置和程度。提出的方法通过对时域残余力向量特征分解提取损伤时刻、位置和程度指标,计算过程直观且精度高,避免了繁琐的时频变换、优化迭代等计算过程。

摘要：高速铁路设计时速快,变形控制要求高。由于结构的受力特点和混凝土材料的特性,混凝土拱桥在运营过程中会出现下挠变形,直接影响轨道线形和行车安全。为保障沪昆客运专线北盘江大桥的行车安全性和舒适性,通过对其建立自动化变形观测系统,分析其变形和温度数据的变化规律,结合拟合分析方法,确定温度和变形的影响系数,研究实测数据中徐变和温度效应的提取方法。结果表明:与同期人工观测数据相比,本系统的观测精度和有效性满足要求;桥面线形受温度变化影响较敏感,在低温时,不均匀沉降差值大,桥面线形相对不平顺,随着温度升高,沉降差值减小,桥面线形逐渐趋于平顺;通过建立的拟合计算徐变分析方法得到其相对徐变变形,与规范理论值相差约6%,满足工程要求。

摘要：桥梁结构监测技术能有效地保证桥梁的安全运营,保障人民群众的生命财产安全。为了满足桥梁结构的远程数据监测需要,实现桥梁监测的网络化,该系统在美国桥梁诊断公司(BDI)的桥梁结构测试系统的基础上加以改进,将无线网络技术、虚拟仪器技术和桥梁结构监测技术与之结合在一起,并以Lab VIEW作为软件开发平台研究并设计了一套无线数据传输解析存储模块,实现了桥梁传感器数据的无线传输与存储,具有较强的适应性和稳定性,为中小型跨径桥梁的监测提供可行的解决方案。

摘要：基于支持向量机的结构损伤识别方法建立在训练和测试数据同概率分布的假设上,必须对每个结构分别收集训练数据和标签并训练模型以识别损伤。损伤结构的训练数据和标签难以收集,导致支持向量机方法在结构损伤识别中难以实施。提出一种基于领域自适应支持向量机的跨域损伤识别方法,将在有损伤标签结构(源结构)上训练的支持向量机推广到无损伤标签结构(目标结构)的损伤识别中。该方法首先提取结构的多阶固有频率变化率作为损伤特征构建训练数据;然后,推导最小化边缘分布差异与最小化联合分布差异的迁移学习方法,将源结构和目标结构数据映射到高维特征空间,减小域之间的数据分布差异;最后,使用映射后的源结构数据训练支持向量机,使用该支持向量机对目标结构进行损伤识别。应用于钢框架与混凝土框架,以及不同结构形式钢框架中的跨域损伤识别,显著提高了支持向量机对目标结构的损伤识别准确率。该方法充分利用了不同结构的损伤标签和支持向量机模型,解决了机器学习中训练数据和损伤标签缺乏的难题,并能极大地提高学习效率、降低学习成本,为基于支持向量机的结构损伤识别提供了新的解决思路。

摘要：地铁隧道为超长线状结构,传统健康监测技术通过埋设传感器来诊断评估结构安全状态,存在传感器需求量大、监测点布设复杂、采集传输硬件的安装维护困难等缺点。本文针对传统健康监测技术的缺点,建立了基于移动三维激光扫描的地铁隧道三维全景监测系统。该系统采用移动三维激光扫描技术,通过沿轨道匀速移动三维扫描仪,提取地铁隧道管片和轨道的三维点云数据。通过对点云数据的切片、去噪、曲线拟合处理后,计算隧道的断面变形值、净空收敛值、管片错台值和轨道的轨距变化值,并与隧道的设计值比较,分析判断各指标参数的健康度,进而评估隧道的健康状况。分析结果表明:移动三维激光扫描技术能高精度、高效率地监测地铁的断面变形、净空收敛、管片错台和轨道变形,在超长线状隧道运营管理中具有广阔的应用前景。

摘要：轨道交通隧道在运营期的安全与稳定离不开日常的管理养护工作。为了提高管养工作的科学性与高效性,采用Jess人工智能专家系统开发语言针对管养知识建立产生式规则库,在Jess管养专家系统的规则库中,每条规则的前件即是各种病害措施所对应的病害描述,在依据相关轨道交通管养规范并同时考虑管养专家经验后,形成病害描述参数,并依此编写规则库与相关程序,建立与之相匹配的工作存储器与推理机,开发Jess与Java语言的调用与数据交互接口,实现Jess与软件平台的集成,最终形成具有管养智能决策以及管养经验知识扩充两项子功能的运营轨道交通隧道管养决策专家系统功能模块,为运营轨道交通隧道管养工作提供支撑。