导读:本文包含了桥梁损伤识别论文开题报告文献综述及选题提纲参考文献，主要关键词:拉索腐蚀疲劳,钢箱梁疲劳裂纹,桥墩地震损伤,计算机视觉
桥梁损伤识别论文文献综述
徐阳[1]（2019）在《基于计算机视觉的桥梁结构局部损伤识别方法研究》一文中研究指出桥梁结构是一个国家和地区的重要经济命脉。桥梁结构在全寿命服役周期中,不可避免地遭受到环境侵蚀、往复荷载及突发灾害(如地震)等复杂因素的耦合作用,产生结构渐变损伤的萌生、发展和累积,导致服役性能不断劣化。目前,国内外学者一般采用基于动力反演的模态方法进行结构损伤识别、模型修正和安全评估。然而,此类方法往往只处理有限测点的不完备加速度监测信息,并且依赖对早期微小损伤不敏感的频率这一结构整体属性。另外,结构损伤往往伴随着复杂的非均质背景干扰,常规识别方法在实际场景中的普适性较差。实际工程中的目视巡检结果严重依赖于主观意识、量化不准确,成本昂贵。针对以上难题,本文研究基于计算机视觉的不同类型桥梁结构局部损伤自主智能识别方法,包括研究局部像素信息阈值处理、统计特征无监督高斯聚类建模、基于深度受限玻尔兹曼机高层次特征提取、基于深度有向无环图卷积神经网络多层次特征融合以及基于区域推荐机制的目标检测算法,发展拉索腐蚀疲劳退化评估、钢箱梁微小疲劳裂纹识别、钢筋混凝土桥墩结构多类型地震损伤识别定位等方法。主要研究内容如下:提出基于图像的在役拉索腐蚀状态识别及疲劳寿命评估方法。研究基于腐蚀过程和表观图像统计特征的概率建模方法,建立腐蚀特征空间与疲劳寿命控制参数统计学映射关系;基于上述方法对某桥服役18年的腐蚀钢丝疲劳寿命进行预测,结果表明各类应力幅下疲劳寿命预测误差均小于16%。提出基于计算机视觉的强干扰背景下钢箱梁微小疲劳裂纹自主智能识别方法。构建深度堆栈受限玻尔兹曼机和有向无环图卷积神经网络,提取并融合图像初级细部特征至高级抽象特征的多层次特征;将实际桥梁钢箱梁内部采集的350幅图像用于训练和验证网络模型,预测结果表明,构建的深度神经网络对多座跨海大桥各类样本的迁移识别准确率均大于93%。针对复杂非均质背景下多分类地震损伤的识别定位难题,提出基于计算机视觉的钢筋混凝土桥墩多类型地震损伤分类识别和区域定位方法。构建基于区域推荐注意力机制的深度卷积神经网络,采用具有一定概率保证率的矩形识别框实现多类型地震损伤分类定位,对混凝土开裂和剥落、钢筋暴露和屈曲的平均识别准确率大于80%,平均覆盖率大于88%。(本文来源于《哈尔滨工业大学》期刊2019-07-01）
林世伟,黄丽娟[2]（2019）在《基于虚拟变形法的桥梁索结构损伤识别研究》一文中研究指出为了实现桥梁索结构的损伤定位和定量,引入虚拟变形法(VDM),并结合遗传算法以实现准确高效的损伤识别。首先,基于虚拟变形法的基本原理,定义损伤因子;其次,推导损伤因子与虚拟变形的关系,建立以损伤因子为变量的目标函数,并采用遗传算法优化目标函数;最后,通过某实桥有限元数值算例,结合桥梁车辆静载实验过程,详细介绍了吊索损伤识别的步骤。结果证明:该方法能准确高效地实现桥梁索结构的损伤定位和定量。(本文来源于《河南城建学院学报》期刊2019年02期）
蔚峰[3]（2019）在《基于动力参数及BP神经网络相结合的桥梁损伤识别》一文中研究指出随着我国国民经济的发展,在国家“一带一路”共同建设畅通安全高效运输大通道的战略方针指引及满足国民对交通运输出行需求的现状下,国家对桥梁的建设力度也大幅提升。由于桥梁结构长期受到频繁荷载、外界环境以及人为因素的干扰下,桥梁构件出现损伤或功能退化,对桥梁的安全运营及人民生命财产安全产生了极大的威胁,对于桥梁结构损伤识别已经成为工程技术人员的研究热点。本文以现有关于结构损伤识别理论的基础之上,收集国内外桥梁结构损伤乃至倒塌的工程实际案例材料,对目前应用于工程实际中的损伤识别方法进行归纳,总结出各个方法的优缺点。另外,本文提出一种桥梁结构分步识别技术对简支梁桥、拱桥吊杆的损伤位置及损伤程度进行了有效识别,验证了该技术的可行性及有效性。本文基于桥梁结构的动力特性及BP神经网络相结合的方法,对桥梁结构发生损伤的位置及损伤程度进行有效识别。本文共分为四章。第一章绪论,首先介绍了对桥梁结构进行损伤识别研究背景及意义。然后介绍了目前国内外对于损伤识别的研究现状,最后对本论文的研究工作做了概述。第二章介绍了依据桥梁结构的动力特性及BP神经网络进行损伤识别的理论,如何对通过有限元软件获取的结构动力特性数据进行理论计算,提炼出用于对结构损伤识别的敏感参数指标。同时选取合适的动力参数作为BP神经网络的输入样本进行网络的训练。第叁章介绍了依据桥梁结构固有频率、振型及节点竖向位移值,对这些动力参数进行理论推导,得到频率差、振型差、位移差曲率等损伤指标。同时将该叁项指标应用到简支梁桥及下承式拱桥吊杆损伤损伤中。结果表明,依据结构位移差曲率这一损伤指标能够对结构发生损伤的位置进行精准识别,但对结构发生的损伤程度无法定量判断。第四章介绍了BP神经网络基本原理,提出桥梁分步损伤识别技术。首先依据节点位移差曲率这一损伤指标对结构进行损伤定位,然后运用MATLAB软件建立一叁层BP神经网路对结构发生损伤程度进行识别,以结构位移差曲率作为网络的输入向量,结果表明经过训练的网络对吊杆损伤位置的损伤程度做出了有效识别。(本文来源于《安徽建筑大学》期刊2019-05-29）
赵冶,朱信群,王海良[4]（2019）在《在移动荷载作用下基于小波包变换的桥梁损伤识别》一文中研究指出提出了一种在移动荷载作用下基于小波包能量的桥梁结构损伤识别方法.运用Ansys软件进行不同损伤工况数值模拟,得到不同工况下的不同测点的加速度时程曲线,利用Matlab对不同测点处的加速度时程曲线进行小波包分量能量分析,然后通过损伤指数(DI)识别损伤发生的位置.本文主要研究了不同损伤程度、不同荷载移动速度、不同小波函数、不同的分解层次对损伤识别结果的影响.数值模拟结果表明:该方法对局部损伤具有较强的敏感性,损伤指标具有鲁棒性,可以准确获得损伤的位置.(本文来源于《天津城建大学学报》期刊2019年02期）
安平和[5]（2019）在《基于支持向量机的桥梁损伤识别研究》一文中研究指出桥梁结构一般处在严酷的环境中,在运营过程中会受到暴雨,洪水,大风,降雪,温差,冻融,地震等自然因素的影响,有时还会受到碰撞、重载乃至超限荷载的反复作用;及时的健康检测、准确的损伤识别以及预防重大安全事故的发生是国内外迫切需要解决的共同课题。本文主要研究了桥梁结构损伤识别相关内容,总结了近些年用于的桥梁损伤识别的主流方法如静载损伤检测,动力特性损伤检测和信号处理损伤检测等,并重点整理出动力特性损伤检测中基于固有频率、振型变化及曲率模态、柔度或刚度矩阵和频响函数等方法的特点及适用范围;同时梳理出支持向量机分类算法(SVC)、支持向量机回归算法(SVR)以及核函数的相关理论。并将这些方法使用在较为全面、准确的桥梁多损伤识别中。在桥梁多损伤位置识别中,针对使用曲率模态差进行损伤识别时容易出现的非损伤位置数值较大的问题,提出曲率模态差变化率的概念,并将归一化后的前两阶曲率模态差变化率组成特征向量输入SVC中进行训练,以临县黄河大桥为例进行多位置的损伤位置识别,其结果表明,在所有节点位置中,识别的准确率达到99.68%,仅有临近损伤位置的非损伤节点出现部分误判,损伤识别效果好。在桥梁多损伤位置识别的基础上,从理论分析角度进一步证明了损伤后各位置的曲率模态差变化值与原刚度正比于(1-k)/k,其中k为损伤后的刚度与原刚度之比,且各位置的曲率模态差变化值不相互影响,仅与本位置是否发生损伤有关。以简支梁模型验证了此关系,并将临县黄河大桥在数值模型中损伤后各位置的曲率模态差变化值与基础值之比作为特征向量输入支持向量回归算法中,进行了较为准确的桥梁损伤程度识别,损伤程度识别差值基本控制在3%以内。最后,根据在人工激振法下所得到的实验钢梁的损伤检测结果,使用本文提出的SVC和SVR的方法进行损伤位置和损伤程度判别,损伤位置判断基本正确,损伤程度识别与实际相差也较小,证明了本文所提出的损伤识别方法的可行性与正确性。(本文来源于《长安大学》期刊2019-04-28）
陈溢涛[6]（2019）在《基于桥梁局部时变可靠度的人工智能损伤识别研究》一文中研究指出桥梁健康监测的基本内涵是通过对桥梁结构状况的监控与评估,为桥梁在特殊气候、交通条件下或运营状况异常严重时发出预警信号,为桥梁的维护维修和管理决策提供依据与指导。桥梁健康监测不只是传统桥梁检测加结构评估新技术,而且被赋予了结构监控与评估、设计验证和研究与发展叁方面的意义。目前,国内外许多新建桥梁、大跨度桥梁都建有桥梁健康监测系统,实时监控桥梁的运营状态。然而一个尴尬的现象是,监测系统强大的数据采集能力记录了海量的监测数据,但由于对监测数据分析和挖掘的研究不够深入,使得海量健康监测数据得不到妥善处理和利用,反而限制了监测系统发挥其科学指导的作用。针对当前桥梁长期健康监测数据研究不够深入,海量监测数据得不到妥善处理和利用的问题,本文围绕长期健康监测数据应用开展了以下工作:(1)将长期健康监测温度数据应用于混凝土箱梁温度作用的统计研究,运用统计分析的方法,确定混凝土箱梁的温度场分布特点、温度梯度以及温差代表值,并与规范推荐值作比较。(2)将长期健康监测应变数据应用于桥梁局部时变可靠度分析的研究,完善和修正了基于长期健康监测数据的桥梁局部时变可靠度计算方法。使用聚类分析方法确定了肇庆西江大桥荷载效应统计时间段划分方法;使用假设检验方法确定了肇庆西江大桥测点应力数据统计分布类型;使用提出的局部时变可靠度分析方法计算了肇庆西江大桥某测点的局部时变可靠度指标,分析了该测点局部的可靠性和安全性。(3)以简支平面梁模型为研究对象,借助大型通用有限元软件ANSYS,通过在模型上施加实测温度数据的方法模拟桥梁长期运营状态,建立了局部时变可靠度指标数据库,确定了可靠度指标随损伤程度的变化规律,提出了一种以局部可靠度指标作为机器学习输入量的简支平面梁损伤识别方法。(本文来源于《华南理工大学》期刊2019-04-17）
张健[7]（2019）在《火灾后对混凝土桥梁各部件的损伤识别分析》一文中研究指出提出了钢筋混凝土结构的过火特点,分析了火灾时混凝土和钢筋的损伤程度、握裹力的变化、持续时间及灭火方式的影响;对桥梁各部件的过火损伤进行了探讨,并通过工程实例分析了火灾病害对桥梁结构造成的危害,为灾后检查提供参考。(本文来源于《辽宁省交通高等专科学校学报》期刊2019年02期）
胡汉敏,张超[8]（2019）在《基于广义信息熵曲率理论的桥梁损伤识别研究》一文中研究指出以简支梁为研究对象,基于光纤光栅传感技术,获得简支梁的应变分布,再通过应变与曲率的函数关系,结合信息熵理论,构建广义局部信息熵曲率损伤指标,建立简支梁损伤识别方法。为验证该指标在简支梁中的不同位置及不同程度的损伤识别效果,采用结构有限元软件建立钢筋混凝土简支梁数值模型,从数值模拟角度验证了该方法的有效性。结果表明:广义局部信息熵曲率损伤指标能准确定位桥梁损伤位置,且识别简单、高效。由于所建立的损伤识别方法仅依赖应变数据,可用于桥梁结构检测。(本文来源于《龙岩学院学报》期刊2019年02期）
戴乐诚,俞阿龙,周星宇,范广济[9]（2019）在《改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用》一文中研究指出粒子群算法以其强大的搜索能力及较好的适应度已逐步应用到桥梁结构损伤识别领域。针对以损伤识别为目标的传感器优化布设,提出一种基于改进粒子群算法的传感器优化布置方法。首先利用传感器覆盖率概念建立数学模型;其次以联合覆盖率最大构造适应度函数;在确定了监测半径的条件下,利用粒子群算法寻找出传感器的最优数目与位置。为了验证所提方法的有效性,以一叁跨桥梁结构为实验对象。实验结果表明,改进的粒子群算法相比于传统粒子群算法,在寻优过程中迭代次数更少,寻找到的最优值更好,且经过融合后的数据损伤识别结果更加真实可靠。(本文来源于《现代电子技术》期刊2019年07期）
何睿[10]（2019）在《基于CPSO-BP的环境振动桥梁损伤识别方法研究》一文中研究指出随着中国交通运输业的快速发展,新旧桥梁数量不断增加。在工作条件下及时了解桥梁的健康状况,快速有效地识别桥梁结构的损坏程度。不但可以保障人民的生命健康安全,而且对交通枢纽的调节具有重大意义,当今桥梁健康监测、损伤识别已成为桥梁工程研究领域的热点问题。目前的桥梁损伤检测方法是视觉或局部实验方法,这些实验技术都需要对桥梁结构附近的损坏先行查验并且只能检查工程师能接近的结构部分。受这些限制,这些实验方法仅仅可以检测桥梁结构表面上或附近的损坏。本文基于国内外大量有关桥梁结构损伤识别基础研究上,建立有限元桥梁模型,结合振动模态分析理论建立神经网络训练桥梁损伤识别模型同时确定桥梁结构损伤位置和损伤程度,建立了基于环境激励的振动模态分析理论和神经网络的桥梁损伤识别方法,以监测桥梁的健康状况。本文主要以桥梁健康监测的环境激励数据为主要研究对象,针对桥梁结构健康监测系统的现状,根据新形式下桥梁监测指标要求,采用智能算法解决自然环境振动下的结构动态响应数据幅度小、随机性强、数据量大和传输的过程中产生杂乱无序的噪声数据等问题。现有的环境振动测试数据处理方法只能得到结构的基本模态参数,不能有效的支持结构的维护管理与安全决策的问题,本文采用了从环境振动测试数据中识别结构深层次桥梁损伤的方法。桥梁监测的振动数据对结构安全诊断和评估至关重要,应用压缩感知理论对采集的数据去杂乱噪声,使处理后的数据可以在桥梁的损伤识别中应用。环境振动数据的损伤识别模型主要通过BP神经网络建立,然而BP神经网络具有收敛速度慢,初始权敏感,容易陷入局部极值,环境振动数据无序等缺点。仅采用BP神经网络无法建立有效地损伤识别模型,因此我们引入混沌粒子群算法对环境振动数据进行优化,结合混沌理论的特点可以有效的弥补BP神经网络的不足。综上所述,利用混沌粒子群优化的BP神经网络算法进行模型分析损伤识别,仿真结果表明该方法提高监测效率,所建模型在桥梁结构监测中具有实用性,为大型桥梁结构损伤研究具有理论意义和实际应用价值。(本文来源于《东北林业大学》期刊2019-04-01）
桥梁损伤识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了实现桥梁索结构的损伤定位和定量,引入虚拟变形法(VDM),并结合遗传算法以实现准确高效的损伤识别。首先,基于虚拟变形法的基本原理,定义损伤因子;其次,推导损伤因子与虚拟变形的关系,建立以损伤因子为变量的目标函数,并采用遗传算法优化目标函数;最后,通过某实桥有限元数值算例,结合桥梁车辆静载实验过程,详细介绍了吊索损伤识别的步骤。结果证明:该方法能准确高效地实现桥梁索结构的损伤定位和定量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
桥梁损伤识别论文参考文献
[1].徐阳.基于计算机视觉的桥梁结构局部损伤识别方法研究[D].哈尔滨工业大学.2019
[2].林世伟,黄丽娟.基于虚拟变形法的桥梁索结构损伤识别研究[J].河南城建学院学报.2019
[3].蔚峰.基于动力参数及BP神经网络相结合的桥梁损伤识别[D].安徽建筑大学.2019
[4].赵冶,朱信群,王海良.在移动荷载作用下基于小波包变换的桥梁损伤识别[J].天津城建大学学报.2019
[5].安平和.基于支持向量机的桥梁损伤识别研究[D].长安大学.2019
[6].陈溢涛.基于桥梁局部时变可靠度的人工智能损伤识别研究[D].华南理工大学.2019
[7].张健.火灾后对混凝土桥梁各部件的损伤识别分析[J].辽宁省交通高等专科学校学报.2019
[8].胡汉敏,张超.基于广义信息熵曲率理论的桥梁损伤识别研究[J].龙岩学院学报.2019
[9].戴乐诚,俞阿龙,周星宇,范广济.改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用[J].现代电子技术.2019
[10].何睿.基于CPSO-BP的环境振动桥梁损伤识别方法研究[D].东北林业大学.2019