论文部分内容阅读
基于振动的状态检测是目前结构健康监测的主要方法之一,而大部分基于振动的结构状态检测方法需要激励已知(可测)或激励为白噪声。但在实际工程应用中,不可能总是满足上述条件。因此,在激励不可测或不易测时,仅基于结构响应进行状态检测就显得尤为重要。基于结构振动响应的状态检测主要分为两个阶段：一是探寻一种可以有效反映结构振动特性的状态特征；二是选择一种合理的状态特征识别方法来完成结构的状态检测。振动传递率(transmissibilityfunction, TF)反映了振动在结构两测点之间的传递规律,是典型的仅基于响应的状态特征。在已有的基于TF的状态检测中,通常利用单轴传感器采集振动信号,由单通道信号计算得到的TF可能随传感器安装姿态的变化而偏离理论值,甚至导致误识别；而在状态特征识别时,多考虑训练样本的测试不确定性,而少有考虑单测试样本的测量不确定性问题。针对上述两个问题,本文提出了基于四元数小波变换(Quaternion Wavelet Transform, QWT)结合四元数传递率(Quaternion-based Three-channel Joint Transmissibility, QTJT)的结构状态检测方法,并基于无砟轨道结构实验平台对该方法进行了验证。本文主要工作如下：(1)采用ABAQUS软件建立了无砟轨道结构的有限元模型,在冲击载荷作用下以松脱不同数量扣件模拟轨道结构的不同状态,提取不同状态下钢轨的振动信号,分别在时、频域与实测振动信号对比,对结构模型进行了验证。并利用轨道结构模型得到的振动信号验证QTJT的可重复性,进而验证了将QTJT用于结构状态检测是可行的。(2)在实验平台上以松脱不同数量扣件模拟钢轨不同状态,利用两个三轴传感器采集钢轨的振动信号,计算得到QTJT模值,分别利用QWT、BP神经网络方法、非负矩阵分解(non-negative matrix factorization, NMF)以及K-L(Karhunen-Loeve)变换提取了不同状态下的特征向量,并分别构造训练样本和测试样本,进行钢轨不同状态下的状态识别,本次试验结果表明：QWT在参与比较的方法中综合最优。(3)利用液压钢轨拉伸机对钢轨施加不同大小的拉应力,模拟钢轨纵向温度力的变化,同时将纵向温度力和松脱扣件耦合得到钢轨不同状态,计算每种状态下的QTJT模值,采用QWT方法进行钢轨的状态识别。本次实验结果表明：在进行结构状态检测时要考虑温度力对结构的影响；对钢轨温度内力的分辨率优于10 MPa,等价于钢轨完全锁定状态下轨温变化1.75℃。