基于小波分析的机械结构损伤检测及其管道应用

《基于小波分析的机械结构损伤检测及其管道应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南科技大学硕士研究生学位论文第5页由于结构的初始信号与损伤信号之间往往没有直接对应关系，因此信号模式的转换与特征提取成为结构损伤诊断的前提与关键，随着信号分析与处理方法和数学理论的进步，这一领域的研究也取得了快速发展。目前研究应用较多的方法主要包括：(1)滤波器方法；(2)人工智能方法：(3)调和分析方法。所谓滤波，就是指从接收到受干扰的信号中提取所需要的信号。即通过处理一系列的带有误差的实际测量数据，得到所需要的各种量的估计。因此，滤波问题就是从夹杂着随机噪声的不足的测量信息中，求出被测对象(结

2、构)内部状态向量的最优估计。滤波方法包括：维纳滤波、Kalman滤波、统计滤波、H。滤波等。1942年维纳首先给出了对于平稳时间序列的最小均方误差估计堙“，1960年Kalman严格地把状态变量的概念引入到最小均方误差估计中来，建立了Kalman滤波旧“，它的明显特点有两个方面，一是实行递推算法，二是引入状态变量。随后Kalman滤波被广泛应用于各类结构的参数估计与参数识别中，1998年Sato等将H。滤波、蒙特卡罗滤波应用于建筑结构的参数识别取得了较好的效果瞳”。人工智能是一个广泛的研究领域，近年

3、来神经网络的研究取得了巨大成就，并且得到了广泛应用”“。神经网络系统是由大量的，同时也是很简单的处理单元(神经元)相互连接而形成的复杂网络系统。它反映了人脑功能的许多基本特性，一般认为，神经网络系统是一个高度复杂的非线性动力学系统，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适用于处理需要同时考虑许多因素和条件的不精确、模糊的信息。被大量应用于结构参数识别、故障诊断，损伤检测等方面。1993年Masri等应用神经网络对非线性动力系统参数进行识别心”，1996年应用神经网络对结构

4、参数由于损伤发生的变化进行识别心”，1997年徐宜桂等应用神经网络进行了结构动力学模型修改和结构损伤诊断的研究，2000年KoJ．M．和Ni，Y，Q等应用BP网络、自适应神经网络等对香港青马大桥实施在线检测。调和分析方法，自从1965年快速Fourier变换(FFT)问世以来，调和分析己经成为信处理领域最基本、最重要的手段。当前几乎所有的动态分析仪都是以此为核心进行信号处理的。Fourier变换为基础产生了多种信号处理方法，如频率响应函数、相关分析、功率谱、自谱、互谱、传递函数等以及倒谱、双谱、倒双

5、谱等高阶谱矩方法。西南科技大学硕士研究生学位论文第6页为了研究分析非线性、非平稳信号并对信号实现时一一频分析，克服Fourier变换不能同时进行时间一一频率局域性分析的不足，Gabor提出了窗口Fourier变换，ville提出了W堙ner．Ville分布，这些方法对于刻画信号在瞬时的频谱结构具有良好的效果，重建的信号可以更有效地表征信号的特性。小波分析是调和分析领域新的里程碑。自从小波分析方法问世以来便以不可阻挡的趋势应用于各个领域。1994年D．E．Newland首先将小波分析应用于结构振动信号

6、的分析与处理他“，1994年wJ．staszewski将小波变换应用于齿轮箱结构的故障诊断⋯，，1999年Z．HoU等将小波分析方法应用于建筑结构的损伤检测”J。1999年QuanWang等应用小波分析检测梁的损伤旧“。目前国内对于小波分析方法在结构损伤检测和机械故障诊断领域的研究正在蓬勃兴起心“川，另有专家预测小波分析方法的研究高潮尚未到来。1．3本文研究的主要内容本文是在小波分析方法得到迅速发展的基础上，将小波分析方法和虚拟仪器技术应用于管道的损伤在线识别，并取得了良好的效果。本文研究的主要工作

7、如下：(1)对本文的研究背景和意义进行了说明，对国内外结构损伤检测与诊断的发展与研究现状进行了阐述。(2)介绍了小波分析的基本概念和有关特性，研究了一些常用小波函数的基本性质，分析并对比了各自的优缺点，为以后的应用建立了理论基础。(4)研究了小波变换进行信号奇异性检测、信号消噪处理和多分辨率分析等技术的基本原理及实现方法，并验证了其可行性；并分别对损伤悬臂梁、简支梁和管道进行实验研究。(5)在虚拟仪器技术的支持下，合理优化基于LabVIEw的数据采集和处理程序，结合实验实现了简单结构(梁和管道)的在

8、线实时损伤检测。西南科技大学硕士研究生学位论文第7页2小波分析基本理论本课题中，我们采用小波分析方法完成对应变信号的处理及特征值的提取，因此，本部分将对小波分析理论进行较为详细的介绍。2．1小波分析理论的产生与发展自从博里叶(Fourier)发表了“热传导解析理论”以来，傅里叶变换一直是信号处理领域中最完美、应用最广泛、效果最好的一种分析手段。但是傅里叶变换只是一种纯频域的分析方法，它在频域的定位性是完全准确的(即频域的分辨率最高)。而在时域无任何定位性(或分辨能力)