简介:随着工程结构的日益大型化和复杂化,结构损伤检测时需要布置大量的传感器.传统的集中采集和处理的技术将难以胜任海量数据的处理要求.有利于降低成本,密集布置的无线智能传感器就成为大型结构健康监测系统的最佳选择.采用分布式损伤识别方法是密集布排的无线传感测试系统的必然要求.针对拱桥吊杆损伤的问题提出应用于无线传感网络的分布式识别技术.以一混凝土钢管拱桥为实验平台,松动吊杆端部锚具制造不同程度的松弛损伤,对损伤前后拱桥进行振动测试,按照网络拓扑情况,利用功率谱密度曲率差法进行损伤识别分析.结果表明:分布式损伤识别技术能够成功识别拱桥吊杆损伤,并且该方法可以应用到其他密集布排无线传感器的大型复杂结构的健康监测和检测中.
简介:高斯过程机器学习是基于严格的统计学习理论而新发展的方法,该方法在求解小样本、高维数的非线性问题上具有一定的适应性.针对采用直接蒙特卡洛方法进行功能函数计算代价较高的结构可靠度分析时计算效率过低的瓶颈问题,提出了一种基于高斯过程回归模型的直接蒙特卡洛模拟方法.该方法利用有限元等数值方法构造少量的学习样本,通过学习后的高斯过程回归模型重构隐式功能函数,直接建立随机变量与功能函数值的映射关系,进而结合直接蒙特卡洛方法推求结构的失效概率与可靠指标.算例研究表明,该方法简单易行,与传统蒙特卡洛模拟法相比较,计算效率明显较高,且易于与各种工程结构分析程序或商业计算软件相结合.