CN117113175A - 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 - Google Patents
一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 Download PDFInfo
- Publication number
- CN117113175A CN117113175A CN202311017584.9A CN202311017584A CN117113175A CN 117113175 A CN117113175 A CN 117113175A CN 202311017584 A CN202311017584 A CN 202311017584A CN 117113175 A CN117113175 A CN 117113175A
- Authority
- CN
- China
- Prior art keywords
- damage
- sling
- pull
- finite element
- cable body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 238000004873 anchoring Methods 0.000 claims abstract description 66
- 241001137309 Jordanella floridae Species 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 27
- 229910000831 Steel Inorganic materials 0.000 claims description 8
- 239000010959 steel Substances 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000009659 non-destructive testing Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 13
- 238000001514 detection method Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 238000005260 corrosion Methods 0.000 description 7
- 230000007797 corrosion Effects 0.000 description 7
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 235000019512 sardine Nutrition 0.000 description 5
- 241001125048 Sardina Species 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000003495 flagella Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000555825 Clupeidae Species 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006056 electrooxidation reaction Methods 0.000 description 1
- 235000019688 fish Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Biology (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于旗鱼优化算法的桥梁拉吊索锚固区损伤识别方法,包括以下步骤:建立拉吊索简支梁有限元模型;基于建立的拉吊索简支梁有限元模型,输入所设损伤状态模拟各类实际损伤,计算各单元的相对模态应变能,从而定位出结构单元的伪损伤,进而定位出拉吊索锚固区的损伤位置;将定位出的损伤拉吊索锚固区索体作为结构中的待识别变量,利用旗鱼优化算法对构建的目标函数进行迭代计算,直到目标函数达到最小值或者迭代结束,最后输出损伤位置对应的损伤程度。本发明一种基于旗鱼优化算法的桥梁拉吊索锚固区损伤识别方法,能够准确定位支点部位损伤位置、识别出损伤程度,并具有良好的抗噪能力。
Description
技术领域
本发明属于损伤识别领域,具体涉及一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法。
背景技术
拉吊索作为斜拉桥、悬索桥等桥型的主要承重构件,位于桥塔和桥面之间,断面较小,其结构包括索体、防护体系、锚固体系等。拉吊索服役环境复杂,其防护***极易受外部环境的影响而失效。如果外护套破损,索体内的钢丝或钢绞线直接暴露于服役的腐蚀环境中,特别是一些特殊的服役环境如:严重的酸雨地区、大气重污染区、紫外线强烈区以及邻近海洋等地区,索体钢丝或钢绞线将承受交变荷载(恒载、营运荷载、风荷载等)与腐蚀环境的耦合作用,腐蚀加剧。发生腐蚀-疲劳的拉吊索钢丝突然断裂,会造成重大安全事故和严重的社会影响。
拉吊索的设计寿命为20年,相对于单纯干燥的盐雾区或者积水区的腐蚀环境,拥有积水区和盐雾区双重破坏特征的拉吊索锚固区酸性环境干湿交替作用,腐蚀性离子侵入索体速度无疑更快,在服役荷载耦合作用下,该处索体发生电化学腐蚀和应力腐蚀,腐蚀疲劳损伤更甚。拉吊索的服役寿命是由病害最严重部位的索体寿命决定的,而下锚固区的干湿交替腐蚀环境无疑是最不利的服役环境,该处索体若出现病害,将直接影响拉吊索的服役寿命。
目前,拉吊索锚固区索体的服役状况因常规检测不易常常被忽视,而锚固区酸性环境干湿交替作用下索体的服役寿命往往影响整个拉吊索正常服役极限状态,相关研究国内外迄今鲜有报道。目前大多数桥梁拉吊索锚固区的检测仅仅局限于人工定期检测,一般通过人工手段将锚固区外保护罩拆除进行肉眼观察和仪器测量,索导管部分拉吊索的服役状况目前还没好的检测手段,拉吊索病害的检测存在漏检和误判;并且拉吊索的检测是高空作业存在一定的危险,给桥梁拉吊索的检查带来了一定的困难。另一方面,人工对拉吊索的检测可能存在疏漏,对病害信息掌握不能够全面覆盖,不能完全保证检测结果的精确性。
结构损伤识别作为结构健康监测(Structural Health Monitoring,SHM)中最为重要的环节。目前主要都是基于动力特性的损伤识别方法,而拉吊索作为桥梁结构的边界条件,若拉吊索锚固区索体发生损伤则该处索体刚度发生变化,进而影响拉吊索结构的刚度变化,影响结构的动力特性,因此可以利用桥梁动力特性来拉吊索识别桥梁拉吊索锚固区索体是否发生了病害。
结构发生损伤时,其动力特性会发生改变,通过动力参数信息的变化来判断结构是否发生损伤,结构的动力参数不仅可以反映结构的局部特点,还能分析整个结构的性能。基于动力特性的识别方法因其计算理论成熟、识别指标类型多样等优势,越来越成为损伤识别领域的研究热点。近些年来学者们还提出了结构动力参数与其他学科理论知识相结合的识别指标,这些指标对损伤更加敏感、鲁棒性更好。但基于信号处理的损伤识别方法通常只能够判断结构损伤位置,对结构损伤程度难以定量分析。
无损检测后的损伤识别由于受环境影响大,检测结果常常失真,损伤识别困难。因此,亟需一种全新的桥梁拉吊索锚固区索体损伤识别方法,从而准确定位拉吊索锚固区的损伤位置,识别损伤程度。
发明内容
有鉴于此,本发明的目的在于提供一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法。本发明旨在解决现有方法准确性差、难以定量分析结构损伤程度的问题。
为达到上述目的,本发明提供了一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,包括以下步骤:
S1.建立初始有限元模型;
将完好的拉吊索简化为以两端锚固区为支点的简支梁,采用单元相对模态应变能指标,建立初始有限元模型;
S2.损前结构动态测试
利用漏磁无损检测技术,对完好的拉吊索进行结构动态测试;
S3.对照损前结构动态测试结果修正初始有限元模型得到基准有限元模型;
S4.通过索体钢丝在各工况下的损伤试验,预设参数,建立用于损伤识别的有限元模型;
S5.损后结构动态测试
利用步骤S2利用漏磁无损检测技术,对在役拉吊索锚固区索体进行结构动态测试;
S6.根据步骤S4建立的用于损伤识别的有限元模型、步骤S5在役拉吊索锚固区索体结构动态测试后获取的测试数据,建立损伤识别目标函数;
S7.损伤定位
加入噪声,利用实测频率和振型数据计算FUCR指标,然后基于FUCR指标,确定拉吊索锚固区索体损伤位置;
S8.量化损伤程度
将定位出的拉吊索锚固区索体损伤位置作为结构中的待识别变量,利用旗鱼优化算法对步骤S6建立的损伤识别目标函数进行迭代计算,直到目标函数达到最小值或者迭代结束,最后输出损伤位置对应的损伤程度。
进一步,所述步骤S1中,初始有限元模型采用MATLAB数值分析平台建立。
进一步,所述步骤S3的具体步骤如下:
对照损前结构动态测试结果,选择修正参数修正初始有限元模型,若收敛,得到基准有限元模型;若不收敛,重新设计修正参数,再次修正初始有限元模型,直至收敛为止。
进一步,所述步骤S7中,噪声的添加公式为:
式中:和/>分别是第i阶无噪声模态振型以及噪声污染下的模态振型,在第j个自由度下的模态振型分量;ε表示噪声程度;η表示呈正态分布的随机数,均值为0,方差为1。
进一步,所述步骤S8中,采用旗鱼优化算法进行锚固区索体损伤识别时,种群规模大小设置为100,最大迭代次数设置为50,控制攻击力度的参数A=4,ε=0.001。
本发明的有益效果在于:
本发明公开了一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,以拉吊索锚固区为支点的简支梁为研究对象进行数值模拟,通过损伤识别结果,可知对于简支梁支点的不同损伤工况本发明所提出的方法均能够准确地定位出支点部位损伤位置和识别出损伤程度;本发明方法准确性高、具有良好的抗噪能力,简支梁支点损伤最大识别误差为1.95%,均在5%的误差允许范围以内。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究,对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
图1为本发明一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法的流程图;
图2是初始有限元模型的示意图;
图3为旗鱼优化算法的流程图。
具体实施方式
为使本发明的技术方案、优点和目的更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本申请的保护范围。
如图1所示,本发明提供了一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,包括以下步骤:
S1.建立初始有限元模型;
将完好的拉吊索简化为以两端锚固区为支点的简支梁,采用单元相对模态应变能指标,建立初始有限元模型;如图2所示,初始有限元模型采用MATLAB数值分析平台建立,模型全长为L m,模型共划分为n个梁单元,所用单元类型是2个节点、6个自由度的平面梁单元,1#、2#代表上、下锚固区,1#、2#支点采用固定单元模拟。
S2.损前结构动态测试
利用漏磁无损检测技术,对完好的拉吊索进行结构动态测试;
S3.对照损前结构动态测试结果修正初始有限元模型得到基准有限元模型;
对照损前结构动态测试结果,选择修正参数修正初始有限元模型,若收敛,得到基准有限元模型;若不收敛,重新设计修正参数,再次修正初始有限元模型,直至收敛为止;
S4.通过索体钢丝在各工况下的损伤试验,预设参数,建立用于损伤识别的有限元模型;
S5.损后结构动态测试
利用步骤S2漏磁无损检测技术,对在役拉吊索锚固区索体进行结构动态测试;
S6.根据步骤S4建立的用于损伤识别的有限元模型、步骤S5在役拉吊索锚固区索体结构动态测试后获取的测试数据,建立损伤识别目标函数;
S7.损伤定位:基于拉吊索简支梁有限元模型,输入所设损伤状态模拟各类实际损伤,计算各单元的相对模态应变能,从而定位出结构单元的伪损伤,进而定位出拉吊索锚固区的损伤位置;
定位过程中加入了噪声,利用实测频率和振型数据计算FUCR指标,然后基于FUCR指标,确定拉吊索锚固区索体损伤位置;
式中:和/>分别为指标Rj的均值和标准差。
对于不同类型的结构损伤,损伤阈值FUCR的选取可根据实际情况而定。本实施例中损伤阈值FUCR的选取可采用95%置信水平的损伤阈值,即将FUCR大于1的单元视为伪损伤单元,从而达到拉吊索锚固区定位的目的。
噪声的添加公式为:
式中:和/>分别是第i阶无噪声模态振型以及噪声污染下的模态振型,在第j个自由度下的模态振型分量;ε表示噪声程度;η表示呈正态分布的随机数,均值为0,方差为1。
S8.量化损伤程度
将定位出的拉吊索锚固区索体损伤位置作为结构中的待识别变量,利用旗鱼优化算法对步骤S6建立的损伤识别目标函数进行迭代计算,直到目标函数达到最小值或者迭代结束,最后输出损伤位置对应的损伤程度。本实施例采用旗鱼优化算法进行锚固区索体损伤识别时,种群规模大小设置为100,最大迭代次数设置为50,控制攻击力度的参数A=4,ε=0.001。
旗鱼优化算法如图3所示,具体流程如下:
(1)初始化种群和参数;
(2)计算旗鱼和沙丁鱼的适应度值,并且记录最优适应度值和位置;
(3)更新旗鱼位置,更新沙丁鱼位置。如果攻击力度小于0.5,计算α、β的值,并且更新部分位置。否则,全部跟新更新沙丁鱼位置;
(4)沙丁鱼,旗鱼位置替换;
(5)计算所有适应度值,并更新记录最优适应度值和位置;
(6)是否满足迭代停止条件,如果满足则输出结果,否则转至第二步重复执行。
对于考虑锚固区索体刚度的索体结构,当锚固区索体发生损伤时,锚固区索体的质量基本保持不变,锚固区索体对于索体结构振动的贡献仅仅取决于锚固区索体的刚度。在有限元建模时,对锚固区索体刚度的处理方法是将单元刚度矩阵中与锚固区索体自由度对应的主对角线元素和锚固区索体刚度Ksp相加。整体坐标系下考虑锚固区索体刚度的拉索结构单元刚度矩阵Ke为以单元长度L、抗弯惯性矩I和材料弹性模量E表示的常数矩阵。例如,右端节点考虑锚固区索体竖向刚度时的平面拉索结构单元刚度矩阵为:
那么当锚固区索体发生损伤时,其刚度的变化必然使得该单元刚度矩阵变化,从而该单元的相对模态应变能改变,以此来达到锚固区索体损伤的定位目的。因此,由锚固区索体损伤引起的单元刚度矩阵变化可以看作是单元的伪损伤。
在单元模态应变能的基础上,对其进行改进,提出单元相对模态应变能,结构损伤前后的单元相对模态应变定义为:
选用前m阶模态参与计算单元j的相对模态应变能变化率指标:
式中:上标d表示锚固区索体结构损伤;m为参与计算的模态数目;Uij为锚固区索体未发生损伤时,任一单元j在第i阶模态振型下的模态应变能;FUij为单元相对模态应变能,结构损伤前后的单元相对模态应变;为锚固区索体发生损伤时,损伤索体刚度矩阵发生变化,对应单元发生伪损伤,任一单元j在第i阶模态振型下的模态应变能;Kj为单元j的刚度矩阵;Φi为第i阶振型向量;/>为Φi的转置向量;/>为锚固区索体损伤后单元j的刚度矩阵;/>为锚固区索体损伤后第i阶振型向量;Rj为前m阶模态参与计算单元j的相对模态应变能变化率指标。
在对结构分析之前,结构损伤位置还未确定,损伤单元刚度矩阵和整体刚度矩阵都是未知的,因此使用损伤前的单元刚度矩阵和整体刚度矩阵代替来进行近似计算。这样不仅不会影响识别损伤的准确性,只会使得损伤单元处的指标值更大,更加突出损伤单元的结果,有利于进行损伤的精确定位。由此可以通过结构单元产生伪损伤前后的模态应变能的变化规律来对锚固区索体进行定位分析。
将定位出的损伤锚固区索体作为结构中的待识别变量,利用旗鱼优化算法(SFO)对构建的目标函数进行迭代计算,直到目标函数达到最小值或者迭代结束,最后输出损伤位置对应损伤的程度。
旗鱼优化器(Sailed Fish Optimizer,SFO)是S.Shadrava于2019年提出的一种启发式群智能算法。它的灵感源于一群捕猎的旗鱼,模拟的是旗鱼的捕食过程。相较于GWO、PSO、ALO、SBO、GSA、GA等6种先进的元启发式算法,SFO算法无论是探索开发能力、或是避免局部最优能力和收敛速度上都要优于其他算法,具有良好的开发和利用功能。
在不同水平的噪声影响下,由于拉吊索锚固区索体刚度相对于结构整体刚度来说,其值远远小于结构整体刚度,这就使得锚固区索体部位损伤带来结构振型上的变化较小,所以FUCR指标受噪声影响较小,简支梁在噪声影响下的识别结果最大误差为2.40%,均在5%的误差允许范围以内,说明本发明方法具有良好的抗噪能力。本发明方法可以有效识别损伤位置以及损伤程度。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。
Claims (5)
1.一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,其特征在于,包括以下步骤:
S1.建立初始有限元模型;
将完好的拉吊索简化为以两端锚固区为支点的简支梁,采用单元相对模态应变能指标,建立拉吊索锚固区索体初始有限元模型;
S2.损前结构动态测试
利用漏磁无损检测技术,对完好的拉吊索锚固区索体进行结构动态测试;
S3.对照锚固区索体损前结构动态测试结果修正初始有限元模型得到基准有限元模型;
S4.通过锚固区索体钢丝在各工况下的损伤试验,预设参数,建立用于锚固区索体损伤识别的有限元模型;
S5.损后结构动态测试
利用步骤S2的漏磁无损检测技术,对在役拉吊索锚固区索体进行结构动态测试;
S6.根据步骤S4建立的用于损伤识别的锚固区索体有限元模型、步骤S5在役拉吊索锚固区索体结构动态测试后获取的测试数据,建立损伤识别目标函数;
S7.损伤定位
加入噪声,利用实测频率和振型数据计算FUCR指标,然后基于FUCR指标,确定拉吊索锚固区索体损伤位置;
S8.量化损伤程度
将定位出的拉吊索锚固区索体损伤位置作为结构中的待识别变量,利用旗鱼优化算法对步骤S6建立的损伤识别目标函数进行迭代计算,直到目标函数达到最小值或者迭代结束,最后输出损伤位置对应的损伤程度。
2.根据权利要求1所述的一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,其特征在于:所述步骤S1中,初始有限元模型采用MATLAB数值分析平台建立。
3.根据权利要求1所述的一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,其特征在于,所述步骤S3的具体步骤如下:
对照损前结构动态测试结果,选择修正参数修正初始有限元模型,若收敛,得到基准有限元模型;若不收敛,重新设计修正参数,再次修正初始有限元模型,直至收敛为止。
4.根据权利要求1所述的一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,其特征在于,所述步骤S7中,噪声的添加公式为:
式中:和/>分别是第i阶无噪声模态振型以及噪声污染下的模态振型,在第j个自由度下的模态振型分量;ε表示噪声程度;η表示呈正态分布的随机数,均值为0,方差为1。
5.根据权利要求1所述的一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法,其特征在于,所述步骤S8中,采用旗鱼优化算法进行锚固区索体损伤识别时,种群规模大小设置为100,最大迭代次数设置为50,控制攻击力度的参数A=4,ε=0.001。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311017584.9A CN117113175B (zh) | 2023-08-11 | 2023-08-11 | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311017584.9A CN117113175B (zh) | 2023-08-11 | 2023-08-11 | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117113175A true CN117113175A (zh) | 2023-11-24 |
CN117113175B CN117113175B (zh) | 2024-06-04 |
Family
ID=88793932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311017584.9A Active CN117113175B (zh) | 2023-08-11 | 2023-08-11 | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117113175B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313680A (zh) * | 2011-07-19 | 2012-01-11 | 同济大学 | 一种在用锈蚀斜拉索的检测与评定方法 |
CN103940911A (zh) * | 2014-04-30 | 2014-07-23 | 武汉理工大学 | 一种服役桥梁拉/吊索锚固***的检测装置与方法 |
CN103940893A (zh) * | 2014-05-13 | 2014-07-23 | 湖南大学 | 一种拉索锚固段锈蚀缺陷监测装置及方法 |
KR20160097524A (ko) * | 2015-02-09 | 2016-08-18 | 주식회사 구주엔지니어링 | 동특성 분석에 의한 사장교 케이블의 손상추정방법 |
CN106769823A (zh) * | 2017-01-13 | 2017-05-31 | 重庆交通大学 | 基于缺陷当量处理评估外护套破损的在役拉索剩余寿命的方法 |
CN110487519A (zh) * | 2019-06-28 | 2019-11-22 | 暨南大学 | 基于alo-inm与加权迹范数的结构损伤识别方法 |
CN113310650A (zh) * | 2021-06-16 | 2021-08-27 | 石家庄铁道大学 | 基于系梁挠度的拱桥吊索损伤识别方法、终端及存储介质 |
EP4056761A1 (en) * | 2021-03-11 | 2022-09-14 | Antonio Gustavo Guijarro Jimenez | Ultra-resistant pneumatic constructive arrangement for major works |
CN116070068A (zh) * | 2023-04-06 | 2023-05-05 | 石家庄铁道大学 | 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 |
CN116562331A (zh) * | 2023-05-19 | 2023-08-08 | 石家庄铁道大学 | 一种改进爬行动物搜索算法优化svm的方法及其应用 |
-
2023
- 2023-08-11 CN CN202311017584.9A patent/CN117113175B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313680A (zh) * | 2011-07-19 | 2012-01-11 | 同济大学 | 一种在用锈蚀斜拉索的检测与评定方法 |
CN103940911A (zh) * | 2014-04-30 | 2014-07-23 | 武汉理工大学 | 一种服役桥梁拉/吊索锚固***的检测装置与方法 |
CN103940893A (zh) * | 2014-05-13 | 2014-07-23 | 湖南大学 | 一种拉索锚固段锈蚀缺陷监测装置及方法 |
KR20160097524A (ko) * | 2015-02-09 | 2016-08-18 | 주식회사 구주엔지니어링 | 동특성 분석에 의한 사장교 케이블의 손상추정방법 |
CN106769823A (zh) * | 2017-01-13 | 2017-05-31 | 重庆交通大学 | 基于缺陷当量处理评估外护套破损的在役拉索剩余寿命的方法 |
CN110487519A (zh) * | 2019-06-28 | 2019-11-22 | 暨南大学 | 基于alo-inm与加权迹范数的结构损伤识别方法 |
EP4056761A1 (en) * | 2021-03-11 | 2022-09-14 | Antonio Gustavo Guijarro Jimenez | Ultra-resistant pneumatic constructive arrangement for major works |
CN113310650A (zh) * | 2021-06-16 | 2021-08-27 | 石家庄铁道大学 | 基于系梁挠度的拱桥吊索损伤识别方法、终端及存储介质 |
CN116070068A (zh) * | 2023-04-06 | 2023-05-05 | 石家庄铁道大学 | 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 |
CN116562331A (zh) * | 2023-05-19 | 2023-08-08 | 石家庄铁道大学 | 一种改进爬行动物搜索算法优化svm的方法及其应用 |
Non-Patent Citations (4)
Title |
---|
WEIWEI WANG ET AL: "Damage Identification in Hangers of Through-Arch Bridges Using Static Deflection Difference at the Anchorage Point", 《APPLIED SCIENCES》, vol. 11, no. 22, 15 November 2021 (2021-11-15), pages 1 - 16 * |
YAO GUOWEN ET AL: "Analysis of Corrosion-FatigueDamageandFractureMechanismof In-Service Bridge Cables/Hangers", 《ADVANCES IN CIVIL ENGINEERING》, vol. 2021, 10 February 2021 (2021-02-10), pages 1 - 10 * |
唐堂 等: "基于桥梁挠度监测的斜拉桥拉索损伤识别研究", 《工程技术研究》, vol. 8, no. 137, 31 May 2023 (2023-05-31), pages 29 - 31 * |
杨世聪 等: "在役桥梁拉吊索腐蚀-疲劳损伤与破断机理分析", 《公路交通科技》, vol. 36, no. 3, 31 March 2019 (2019-03-31), pages 80 - 86 * |
Also Published As
Publication number | Publication date |
---|---|
CN117113175B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Frangopol et al. | Life-cycle of structural systems: recent achievements and future directions | |
Li et al. | Long‐term condition assessment of suspenders under traffic loads based on structural monitoring system: application to the Tsing Ma Bridge | |
CN108225906B (zh) | 基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法 | |
CN116070068B (zh) | 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 | |
JP2014071053A (ja) | 高温部材のクリープ損傷評価方法および損傷評価システム | |
CN112179852B (zh) | 一种复合绝缘子的剩余寿命预测方法和装置 | |
Luo et al. | Data missing mechanism and missing data real-time processing methods in the construction monitoring of steel structures | |
KR101328889B1 (ko) | 계측 변위 기반의 구조물 건전도 평가 시스템 | |
CN111191318A (zh) | 一种大跨桥梁缆索***的腐蚀疲劳寿命预测方法及*** | |
CN117113175B (zh) | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 | |
CN111950115A (zh) | 一种基于残余力向量的区间损伤识别方法 | |
CN114781906A (zh) | 一种基于人工智能的电力电缆运行预警方法 | |
JP2024045515A (ja) | 構造物診断システム、構造物診断方法、および構造物診断プログラム | |
CN117454324A (zh) | 风速风向仪故障预警方法、***、电子设备及存储介质 | |
CN109038550B (zh) | 基于电压静态稳定性的电力***自复性指标计算方法 | |
KR102435166B1 (ko) | 정밀한 변형률-변위 예측을 위한 유전자 알고리즘과 ai 기술을 적용한 구조물의 계측 위치 및 개소 결정 방법 | |
CN114383834B (zh) | 一种海洋工程结构微小损伤判定方法 | |
CN115630327A (zh) | 一种基于mssa-svm的电缆隧道环境事故识别方法 | |
CN114139988A (zh) | 一种基于物元可拓模型的输电线路风偏闪络风险评价方法 | |
Chu et al. | Life-cycle assessment for flutter probability of a long-span suspension bridge based on field monitoring data | |
CN109034492B (zh) | 一种桥梁拉吊索杆锈蚀断裂风险的预测方法 | |
Hathout et al. | Fuzzy probabilistic expert system for overhead conductor assessment and replacement | |
CN111401580B (zh) | 一种大长段高压电缆运维方法 | |
Sands et al. | Ensemble Deep Learning Model for Damage Identification via Output-Only Signal Analysis | |
CN117807853B (zh) | 一种钢拱桥吊杆非接触式损坏预测方法及相关产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |