一、土木工程结构健康监测、诊断以及安全评定技术（论文文献综述）
李笑林,杨璐,许镇,黄雅楠,代鹏[1]（2021）在《建筑结构安全智能化监测研究现状及展望》文中指出建筑结构破坏导致的工程事故往往可能造成巨大的人员伤亡和财产损失,为预防事故发生减少危害,对建筑结构的安全监测以及评定工作十分必要。本文主要从传感技术、数据传输和结构安全诊断与评定等方面对国内外智能化结构安全监测方法相关研究进行了总结。传感技术方面,智能材料传感器的发展及新型测量技术的应用使数据测量更准确、更高效,并促进了智能结构的发展。数据传输方面,物联网技术与"5G技术"的快速发展将为结构安全监测的发展提供极大支撑。结构安全诊断与评估方面,不同智能算法的引入进一步提升了结构安全监测的有效性和可靠性并简化了监测过程。总体而言,智能化正在成为结构安全监测技术的重要发展方向。
倪富陶[2]（2021）在《基于深度学习的结构外观病害检测与监测数据挖掘》文中研究指明土木基础设施是体现国家综合国力及科学技术发展水平的重要标志,其安全服役关乎国计民生。结构检测评估和结构健康监测是当前桥梁结构管养进行决策的主要依据,不管是结构检测评估还是结构健康监测,都会产生大量的数据,传统的数据分析手段难以对检、监测数据进行高效的分析处理。如何快速的分析海量数据、挖掘数据深层特征以及将分析结果反馈应用到后续桥梁运维管理中,成为土木领域当下研究的前沿热点。基于此研究背景,本文从结构外观检测数据和结构健康监测数据两方面出发,以数据挖掘中的分类问题为重点,利用深度学习技术深入挖掘大量外观检测数据和健康监测数据的内在特征。在依托海量检测数据的研究方面,本文主要研究了基于检测图像的裂缝自动分割方法,分为三个阶段逐步深入。在依托海量健康监测数据的研究方面,本文侧重于研究大数据问题处理框架中的前两个阶段,即数据预处理和数据存储阶段。论文的主要创新点如下:（1）提出了基于深度学习和Zernike正交矩的裂缝分割及宽度测量方法。针对传统方法适用性差的缺点,将深度学习算法和传统的基于数字图像处理的算法结合起来,在深度学习定性分类能力的基础上将图像中裂缝的检测分为“判断有无”、“自动勾画”和“宽度测量”三个层次。采用多个尺度的深度学习缩小裂缝的范围,并在传统方法初步分割出裂缝的基础上,再次利用深度学习筛选初步分割的裂缝,从而大大提高了裂缝分割的精度以及复杂环境下的抗噪性。在宽度测量方面,针对传统的“数像素”方法对于5像素以内细微裂缝测量误差大的缺点,提出了基于Zernike正交矩的细微裂缝宽度测量方法,直接利用裂缝的灰度信息计算裂缝的宽度,提高图像中细微裂缝的宽度测量精度。（2）提出了基于多尺度特征融合网络的像素级裂缝分割方法,实现完全依靠深度学习本身提取特征的裂缝分割。提出框架可以分为特征提取和特征融合两大块,而特征融合又可以分为不同尺度特征简单的像素级融合和不同尺度特征不同维度之间的深层次融合。在特征提取和像素级融合方面,采用自下而上和自上而下两种策略设计了不同的特征融合网络,基于不同裂缝测试集详细分析了高、低阶特征对最终裂缝分割结果的影响。发现低阶特征主要表征裂缝的形态信息,对于裂缝的细节描述更加有效,而高阶特征对于图像中裂缝的语义特征描述更加有效,需要把高低阶特征同时考虑到裂缝分割的框架中。（3）基于对抗深度学习增强的轻量级裂缝检测网络。前两章提出的裂缝分割方法虽然能高精度的分割出裂缝,但是其检测效率并不能够满足自动化检测的实时性要求。因此,本章提出了一种轻量级的裂缝检测框架,并提出了基于对抗深度学习的轻量级网络增强算法。提出框架从两方面对网络进行优化,一方面是深度学习特征提取模块的优化,采取更加轻型、高效的框架;另一方面,针对网络的训练策略提出算法创新,引入了生成对抗距离来衡量相似性,使轻量级网络的输出分布和人工标记的分布相逼近,从而提高轻量级网络的检测效果。最后,将本章提出的算法应用到新华路桥的桥墩裂缝检测中。（4）针对海量监测数据预处理的自动化异常检测需求,提出了基于一维卷积网络的健康监测异常数据识别方法,可以将健康监测系统采集数据直接输入到网络中,利用深度学习挖掘异常数据的本质特征,实现对异常数据的自动识别。随后将提出的方法应用到了江阴大桥吊杆监测数据的异常识别中,与人工检测的结果相对比,发现提出方法可以高精度的识别出健康监测系统采集的异常数据。相比传统的基于数学模型的异常数据识别方法,本文提出方法适用性广泛,可以高精度检测出各种类型的异常数据。相比于基于长短记忆网络的异常识别算法,提出方法不需要人工设定阈值。而相比于基于图像识别的异常检测方法,提出的方法不需要小心调整观测数据的尺度,不需要担心图像中超高维压缩带来的异常信息损失。（5）针对海量监测数据存储的问题,提出了基于卷积自编码网络的长期监测数据压缩方法。提出数据压缩方法可以分为数据压缩网络和数据重建网络两个部分,其中数据压缩网络用于将输入的原始数据压缩到指定的大小,数据数据重建网络用于将压缩后的数据进行还原。本文将提出方法和传统的基于DCT变换的数据压缩方法及压缩感知方法进行对比,发现在较低的压缩率下,本章提出的方法相对传统方法具有更小的重建误差和更高的相关系数。并将提出方法在江阴大桥长期吊杆监测数据下进行验证,发现对于识别为异常的数据,其压缩后重建的精度较低,而对于识别为正常的数据,能够在较低的压缩率下实现高精度的数据重建。
魏世银[3]（2020）在《大跨桥梁结构健康诊断和管养决策的机器学习方法研究》文中指出大跨桥梁结构是城市交通网中的重要节点,在区域经济发展中发挥着至关重要的作用。然而在长期服役过程中,大跨桥梁结构不可避免地因遭受环境侵蚀、往复荷载及突发灾害等耦合作用造成结构性能退化,极端情况下甚至可能导致灾难性事故的发生,严重威胁着我国城市化进程的可持续发展。大跨桥梁结构的全寿命管养已经引起了世界范围内的广泛关注。结构健康监测技术通过安装多种类型的传感器实时采集桥梁结构的荷载及响应信息,为实现大跨桥梁结构健康诊断和结构管养决策提供了技术基础。当前,国内外学者一般采用基于动力反演的方法进行结构系统辨识和健康诊断。然而,一方面有限测点下监测数据集不完备造成的动力反演方程不适定、求解结果不唯一的问题难以解决,另一方面结构低阶频率特征对结构的局部损伤不敏感,传统的结构健康诊断方法研究遇到瓶颈。结构健康监测系统积累了关于结构状态信息的海量数据,但却由于缺乏标准、高效的数据处理和挖掘方法导致其在长久以来并没有得到充分的重视,造成了数据资源的浪费。如何充分地挖掘结构健康监测大数据中隐含结构状态关键信息,发展基于结构健康监测数据相关性模型结构健康诊断方法,进而进行结构全寿命管养决策成为当前大跨桥梁结构全寿命管养的重要研究课题。为此,本文基于结构健康监测大数据研究了结构健康诊断与管养决策的机器学习方法。本文的主要研究内容如下:研究基于轮载应变的大跨桥梁正交异性钢桥面板裂缝识别方法。首先分析车辆荷载作用下正交异性钢桥面板的应变响应数据特征;其次基于离散小波变换对应变监测数据多源作用效应进行解耦,得到具有高信噪比和强局部效应的轮载应变成分;然后基于动态时间规整建立轮载应变响应的时空相关模型,提出钢桥面板裂缝损伤敏感的轮载应变比特征;最后基于轮载应变比统计模型退化提出钢桥面板裂缝识别方法,利用某大跨悬索桥钢桥面板应变监测数据对方法进行了有效性验证。研究基于车致索力统计模式识别的大跨斜拉桥拉索健康诊断方法。首先分析大跨斜拉桥索力响应数据特征,基于索力分段中位数对索力监测数据多源作用效应进行解耦,剔除温度等环境作用、得到车致索力数据;其次基于斜拉索力学模型建立上下游拉索车致索力相关模型,提出车致索力比特征;然后建立车致索力比的高斯混合模型,并采用期望最大化算法得到仅与拉索相对状态有关的模型参数;最后提出拉索状态评估的定性与定量方法,并采用某大跨斜拉桥10年的拉索索力监测数据进行验证。研究基于长短时记忆网络（Long Short-Term Memory,LSTM）自学习特征的大跨斜拉桥拉索群健康诊断方法。考虑到基于统计模式识别的方法依赖于结构状态特征提取,采用具有无监督特征自学习特征性能的深度学习网络端到端地训练拉索群车致索力。基于LSTM网络建立拉索群车致索力时空相关模型,采用运行初期车致索力监测数据训练拉索群结构状态基准模型,建立基于基准模型车致索力时序预测残差的大跨斜拉桥拉索群状态评估方法,并采用某大跨斜拉桥拉索群索力监测数据进行验证。研究基于深度强化学习的桥梁结构全寿命管养决策方法。针对结构全寿命管养的物理过程——即在有约束的条件下通过养护操作对环境侵蚀下的结构状态进行控制,在马尔科夫决策过程框架下,以桥梁状态退化模型为环境,以维修花费和结构状态评价为奖励、以结构养护为动作,基于深度强化学习建立桥梁结构管养决策方法,方法具有普遍性、可适用于不同复杂度的结构管养决策,最后以简支梁桥面板及大跨斜拉桥仿真数据为例对方法的有效性进行了验证。
吴桐[4]（2020）在《老旧房屋健康智能监测云平台系统研究》文中研究指明近年来我国老旧房屋安全问题日益凸显,随着国家智能传感器、物联网、云计算技术等新技术的日益成熟,面对智能化、主动式、实时高效的老旧房屋健康监测新要求,以及海量异构监测数据信息的计算、存储和可视化管理的新挑战,基于物联网和云计算技术融合的老旧房屋健康智能监测己经成为发展趋势,未来将助力智慧城市的建设。首先,本文通过分析我国房屋安全检测评定的现状,总结目前老旧房屋综合治理的难题,研究物联网通用架构和系统设计原则,并借鉴其在各应用领域的相关经验,提出了老旧房屋健康智能监测系统的总体架构,并通过研究云计算技术的主要特征,分析大数据处理策略与云计算任务部署,探索物联网监测系统上云。接着,通过在浙江省、广东多县市对老旧房屋安全现状进行实地调研,梳理总结了我国目前老旧房屋的主要破坏特点和损伤诱因,以此对智能监测物联网系统各功能子层进行设计。针对老旧房屋主体结构存在的倾斜、沉降、裂缝问题,设计了基于物联网的老旧房屋传感器监测系统,实现监测数据自动化采集与低功耗、实时传输,以及低成本、实时动态的老旧房屋健康智能监测的新要求。面对老旧房屋存在的各种损伤老化、安全隐患、人为使用不当等问题,并对比了传统人工巡视排查方式的局限性,设计了工业级智能机和巡检APP软件任务驱动式的老旧房屋智能巡检APP系统,实现无纸化、高效、便捷、全面的房屋安全智能巡检,并利用无线传输网络和百度地图定位功能,满足巡检任务与信息的实时更新和巡检工作开展地有效监督要求。然后,分析老旧房屋传感器监测系统与智能巡检APP系统在功能和监测效果上的互补互促,实现有机融合并上云,借鉴阿里云中的关键技术,实现老旧房屋健康智能监测系统的云平台部署,让监测机构更好地解决海量异构监测数据信息的分析、处理、存储等难题。并设计了基于云上批量计算应用模块的监测数据后处理工作流程。借助python软件工具对倾斜等实时监测历史数据进行预处理和时间序列分析预测后处理,提高了监测数据的利用价值,实现了智能监测系统中海量监测数据信息的云上自动化处理,有助于提升老旧房屋监测和预警效果。最后,为浙江省多市县政府房管部门搭建监控中心,初步实现老旧房屋健康智能监测云平台系统的可视化管理和应用,结合三级预警和预警响应方案等措施,很好地提升了政府对城市老旧房屋安全监管和治理能力,保障了城镇居民人身财产的安全。
叶志成[5]（2020）在《混凝土结构裂缝的压电主动定量监测及健康状况评定》文中指出从土木工程实践中可以发现,裂缝是混凝土结构最主要的病害之一。而裂缝的出现会对主体结构产生不利影响,如导致结构表面混凝土剥离、加速钢筋腐蚀、降低承载力等,进而威胁到结构的安全性、耐久性。如果不及时掌握结构中裂缝的开展情况,不仅影响其正常使用,同时存在安全隐患,一旦发生事故,将可能造成不可逆转的重大损失。但是,目前现有的监测方法只能定性地识别结构中是否出现裂缝,而无法实现其定量监测,更无法基于定量监测结果评定结构的健康状态。在此背景下,本课题将开展如下研究:（1）基于混凝土标准试件梁设计了三点受弯工况理想试验,通过搭建的加载系统,研究裂缝演化形式及试件破坏过程,发现试件最终呈现出两种裂缝形式,即跨中垂直裂缝和支座处斜裂缝;同时,利用有限元软件ABAQUS建立了相应的数值分析模型,提出了单元损伤判定准则,并以此为依据分析了相同工况下模型中的裂缝损伤情况,发现试验和仿真的裂缝在形式上具有高度的一致性,说明采用的仿真方法能够有效地模拟试验中设定的工况,且在后续研究中可参考该对比分析结果设置人工裂缝。（2）在批量混凝土标准试件中分别预置了不同尺寸的跨中垂直裂缝和支座处斜裂缝,根据设计的混凝裂缝的压电主动传感监测系统,采集了不同工况的应力波时程信号,通过分析信号幅值和小波包能量值的变化,探明了该方法监测裂缝的原理,并从信号能量衰减的区间性特征中提取出裂缝参数定量区间,建立了两者间的内在关系,为裂缝的一定程度定量监测提供了探索性思路。（3）提出了基于压电主动传感的裂缝监测仿真方法,通过建立压电—混凝土梁机电耦合数值模型,并在模型中设置与上述试验相同的裂缝工况,模拟了压电主动传感法中应力波激发、传播及接收等一系列过程,分析了裂缝对应力波的衰减机理,证明了所提出的方法能够有效地识别裂缝;另外,将不同裂缝工况的仿真结果与试验结果对比,发现试验中能量区间性衰减趋势明显于仿真。（4）在上述研究的基础之上,根据提出的损伤指标,建立了基于能量衰减的损伤程度评估方法;结合试验和仿真中信号随裂缝演化时的区间特点,建立了基于裂缝参数定量区间的损伤程度评估方法,并运用该方法对研究裂缝形式试验中混凝土试件梁的健康状况进行评定。
赵瑞[6]（2020）在《基于模型静动力测试的悬索桥损伤诊断模拟研究》文中研究指明桥梁是经济建设和国家发展的重要命脉,也是交通系统中不可或缺的一部分,其健康状态直接决定交通是否可以正常运转。由于桥梁结构与其他结构相比,不仅承担自重、预加应力等永久荷载,而且承担人群、车辆、风等变化较大的动态荷载和偶然荷载,所以其损伤是不可避免的。未被及时发现的损伤逐渐积累,萌生结构性能的劣化,极有可能导致桥梁结构的破坏并发生事故。因此,桥梁结构损伤诊断的研究,具有极其重要的理论研究意义和实际应用价值。悬索桥作为现代大跨桥梁的代表形式,因其优越的受力性能、较长的跨越距离、优美的结构形式被诸多大型工程所选用。但也存在结构形式复杂、构件多样、在各种因素及各类荷载的作用下容易产生损伤的缺点,所以对于悬索桥结构的损伤诊断已经成为国内外研究的热点问题。本文建立了一座1:100的悬索桥试验模型进行静动力试验,通过试验确定挠度、应变、频率等基础数据并与有限元模型对比后修正有限元模型保证其准确性,然后以等效应变法对修正后的有限元模型进行模拟损伤,采集不同损伤数据,以多种方法对其损伤类型、损伤程度进行分析,主要工作如下:（1）调研国内外大跨度悬索桥资料,参考已有桥梁试验模型设计经验,设计并建立一座可模拟各类损伤的悬索桥模型,所有构件均采用钢材制作,满足构件可拆卸、可替换、模型可模拟各种损伤工况、经济性好等条件,并以模型为载体进行损伤识别试验。（2）模型静动力试验。设计试验模型静动力荷载试验方案,安装各类传感器采集试验数据。在无损状态下完成主梁恒载试验并建立有限元模型进行加载对比分析。其次调整模型至未加载状态,并对主梁、吊杆进行不同程度的损伤,重复恒载过程,观察分析试验模型静力响应,完成静力损伤诊断。（3）提出Winger-Vill（简称WVD）交叉项在损伤识别中的应用,借助MATLAB设计时频分析程序,利用ANSYS建立悬臂梁、简支梁两种不同边界的梁式结构有限元模型进行移动质量和冲击的加载,采集各个测点的加速度数据进行分析,验证WVD交叉项可以识别结构损伤。（4）根据静力实测数据修正悬索桥有限元模型,并以有限元模型为研究对象,设计主梁、主缆、吊杆损伤工况,对模型予以一定激励,采集各测点加速度数据,通过设定阈值筛选交叉项能量分布,对比试验模型在有损和无损状态下的交叉项幅值,结果表明WVD交叉项可以较为明确的识别悬索桥结构的损伤位置和损伤程度。
周立明[7]（2020）在《基于车桥耦合振动的桥梁快速测试与诊断》文中认为我国正处于新型工业化和新型城镇化的快速发展时期,大批重大基础设施项目已经完成或相继开工建设。与此同时,工程结构在环境侵蚀、材料劣化、日常服役荷载等作用下逐渐发生性能退化。近年来桥梁坍塌事故频发,造成了重大经济损失和人员伤亡并产生了极其恶劣的社会影响。因此,对规模庞大、系统复杂的基础设施进行有效地维护管理并保障其安全运营是国内外关注的共同课题,大量的科学研究与工程实践表明,利用检测技术和健康监测技术发现桥梁的早期损伤和安全隐患是解决该问题的有效途径。但是基于定期检测的桥梁技术状况评定主要以人工为主,费时费力;基于各类先进传感器的桥梁健康监测技术获得的海量监测数据难以分析出结构损伤,且健康监测系统价格昂贵难以广泛应用于中小桥梁。随着自动化和快速测试技术的研究与发展并逐步应用于桥面损伤、桥身裂纹、拉索断丝、桥墩下沉等的检测,明显提高了测试效率。近年来冲击振动测试理论逐渐发展并开始应用于工程实际,其优势在于同时测量结构的输入和输出而得到更深层次的结构参数,但是由于在激励方式和理论开发方面受到限制而没有得到广泛应用。针对这个问题,本文提出了一种基于车桥耦合振动的桥梁的快速测试与诊断方法,论文的研究内容及创新点如下:（1）基于车桥耦合振动的桥梁快速测试整体思路及激振设备研发。针对传统的力锤或激振器无法有效激起桥梁的振动模态和实际工程应用效率低的问题,本文提出了一种基于车桥耦合振动的桥梁快速测试方法,该方法利用移动车辆代替力锤或者激振器直接对桥梁进行激励,在测试过程中监测车轮力和桥梁的响应,利用冲击振动测试的思想对桥梁进行深层次参数识别。并对荷载产生设备进行了研发和改进,开发了一种适用于车桥耦合振动快速测试理论的测试车辆,通过软硬件一体化,该车集成了有效的激振设备和成套的控制系统,能够方便快捷地激起桥梁的多阶振动模态和满足桥梁深层次参数识别的要求。（2）提出了基于车桥耦合振动的桥梁快速测试理论。传统的冲击振动测试方法主要借助力锤或激振器对桥梁进行指定参考点冲击,为了有效激起桥梁的振动通常对桥梁进行分块测试,然后对各分块进行数据融合,相关的理论有多参考点、单参考点、无参考点等方法。本文提出的基于车桥耦合振动的桥梁快速测试方法,以移动车辆代替传统冲击装置,测试过程中移动车辆在桥面上发生着时空变化,不同于传统冲击位置是桥面上的离散点,移动车辆作用在桥面上的是多轴同时激励的连续车轮力。传统的理论方法已经不再适用,需要开发一套适用于车桥耦合振动进行桥梁测试的理论,该理论主要包括通过识别车轮力将复杂的车桥耦合振动解耦为独立的车辆振动系统和桥梁振动系统;然后将多轴连续车轮力通过荷载分配函数等效为节点荷载,包括节点竖向荷载和弯矩荷载,从而将桥梁看作是一个复杂的多输入多输出振动系统;最后利用基于输入和输出数据估算的位移频响函数矩阵进行模态参数识别和柔度矩阵识别,包括频响函数提取、奇异值分解、增强频响函数重构、模态缩放系数识别等。并通过实验和数值模拟验证了算法的有效性。（3）研究了基于车桥耦合振动与长标距应变测量的桥梁快速测试方法。为了提高利用冲击振动思想进行桥梁结构柔度识别的性能,结合车桥耦合振动和长标距应变传感器宏微观测量的优势,本文提出了基于车桥耦合振动的应变柔度和位移柔度识别方法。创新方法利用移动车辆代替传统的力锤或激振器对桥梁进行激励,利用长标距应变传感器代替加速度计,在测试过程中同时采集车轮力和结构的长标距应变,通过车轮力对车桥耦合系统进行解耦合,并将桥梁看作是一个以车轮力为输入以长标距应变为输出的线性时不变系统,结合了长标距应变传感技术宏微观结合的独特优势,实现了桥梁应变柔度和位移柔度的双重反演。基于以上识别的参数建立损伤识别的指标,其中本文得到的柔度矩阵是结构的深层次参数,能够反映结构的刚度分布,是建立损伤指标的重要参数,并且利用识别的柔度矩阵能够预测结构在任意静载作用下的变形,基于以上分析结合现行的桥梁评估规范进行桥梁快速评估。（4）提出了基于改进的Prony方法的结构柔度识别理论。结构柔度矩阵的准确估计对于挠度预测、损伤检测、有限元模型修正等实际工程问题至关重要。本文提出了一种利用受噪声干扰的输入和输出信号来估计结构柔度矩阵的新方法。首先利用采集的冲击力和结构的加速度响应计算结构的脉冲响应矩阵,然后利用位移振型的正交性构造增强的脉冲响应函数并通过Cadzow算法对其进行去噪处理,最后改进了传统的Prony方法识别出结构的基本模态参数和柔度矩阵。增强脉冲响应函数在以上模态参数识别过程中具有独特的优势,它在空间域上将多维的脉冲响应函数降维为单自由度脉冲响应函数,在时间域上将多模态的脉冲响应函数降阶为单模态脉冲响应函数,实现了将多自由度的多模态耦合的复杂问题转化为单自由度单模态脉冲响应函数进行模态参数识别的简单问题,能够准确识别结构的频率、阻尼比、模态缩放系数,进而得到结构的柔度。数值仿真和试验室实验验证了所提出的理论的正确性。本文将基于车桥耦合振动的桥梁快速测试方法与理论应用于实际工程。首次将开发的测试车辆应用于实桥测试,配合力锤激励进行了多种工况下的桥梁测试方案,包括多参考点定点冲击、移动连续冲击和车桥耦合。结果表明通过测试车辆能够方便快捷地实现对桥梁的有效激励,满足深层次参数识别的要求。
杨楠[8]（2020）在《纳米碳纤维聚氨酯基复合材料机敏特性研究及工程应用》文中研究说明本文以聚氨酯水泥（PUC）加固桥梁的工程实践为背景,通过向PUC中加入纳米碳纤维（CNF）等导电填料,将其制成纳米碳纤维聚氨酯水泥（CPUC）复合材料。从CPUC的制备、力学特性入手,对CPUC的机敏特性进行了系统研究,并提出了一种简便易行的评估CNF分散效果的方法。研究了 CPUC在疲劳荷载作用下的电阻率变化规律,利用CPUC电阻率变化对其疲劳累积损伤进行定量评定。通过CPUC材料加固混凝土大梁,建立电阻变化率与外荷载关系模型,对梁体的承载力状况进行实时评估,加固的同时实现了梁体健康监测的双重效果。利用CPUC加固混凝土柱,提高柱承载能力的同时,通过CPUC的纵向电阻变化率预估钢筋纵向应变,对柱体损伤程度进行定量表征,形成具有损伤自诊断功能的外包CPUC混凝土柱体。最后,以某加固实桥为例,利用集成型CPUC智能传感器,对主梁张拉体外预应力钢束前后,及静载试验下的主梁关键截面应变进行监测,验证了其在工程应用中的可行性。本研究为CPUC在智能监测方向的工程应用提供了理论依据与方向。主要研究成果如下:1、以双组分聚氨酯（PU）为胶凝材料,水泥作为主要细集料,CNF作为主要导电填料,通过对CNF粒子进行表面化学改性,采用机械高速共混的一步法制备CPUC复合材料。CPUC的平均抗压、抗弯强度分别为53.7 MPa、30.75 MPa;当温度介于-40℃～40℃时,直接拉伸强度范围在24.13MPa与18.13MPa之间,极限应变小于5500με;CPUC与混凝土之间的粘结应力平均值为3.47MPa,大于混凝土材料自身的粘结强度;粘结抗剪强度可达3.08MPa,与未掺加碳纤维的PUC相比,粘结抗剪强度提高了8%。2、以灵敏度500作为压敏特性的参考指标,建立CPUC复合材料CNFs导电填料浓度与其相应正六面体电阻变异系数二次曲线关系,可评估CPUC复合材料中CNFs的分散效果,进而判别CPUC的灵敏度特性,为CPUC拌合物灵敏度的判别提供一种简便易行的新方法。3、疲劳荷载作用下,CPUC疲劳寿命符合两参数的weibull分布,CPUC弯拉状态下电阻率随着疲劳应力幅值与循环次数的增加而增加,呈现三阶段的变化规律;不同环境温度疲劳荷载作用下,CPUC弯拉电阻率随温度的增加而逐渐增大,可利用CPUC电阻率变化预测其弯拉疲劳累积损伤,采用损伤阈值电阻率,或极限电阻率作为开始损伤或破坏的衡量标准,为实际工程应用提供理论基础。4、利用CPUC材料加固混凝土大梁,可显着提升梁的屈服荷载与极限荷载,作为加固材料时CPUC与PUC相比,对梁体极限荷载、延性指数提升较大。CPUC弯曲过程中的电阻变化率可反映钢筋受力过程中应变状态的全过程,可利用CPUC电阻变化率的突变监测钢筋屈服,进而对构件进行安全预警,借助CPUC材料初始电阻变化率-拉应变的本构关系,建立电阻变化率与外荷载关系模型,可对梁体的承载力状况进行实时评估,加固的同时实现了梁体健康监测的双重效果。5、利用CPUC加固混凝土柱,可使柱承载能力、延性与能量耗散能力得到不同程度的提高,且随CF掺量的增加提升较为显着。可利用CPUC的纵向电阻变化率预估钢筋或混凝土的纵向应变,对柱体损伤程度进行定量表征,形成具有损伤自诊断功能的外包CPUC混凝土柱体,为结构的健康监测、预警提供了新途径。6、利用集成型CPUC智能传感器,对某实桥箱梁张拉体外预应力钢束前后,及加固后静载试验主梁关键截面的应变进行测量,表明CPUC智能传感器可对混凝土表面应变进行实时监测,进而对构件的损伤程度进行定量评估,并具有一定的安全储备,验证了其在工程应用中的可行性、可靠性。
李可心[9]（2020）在《基于激光扫描的改进SOM神经网络混凝土结构损伤识别研究》文中研究说明基于激光扫描技术开展的结构损伤识别研究,通过视觉传感器捕捉结构损伤信号,采用神经网络算法模型,发现、定位、甚至检测并监测损伤,具有实时快速、高效智能、节约资源等优点;自20世纪70年代末以来,结构健康监测已受到广泛关注并取得显着进步,提出多种结构损伤识别方法,但其仍面临受制约因素多、损伤识别模型精确度及损伤监测指标敏感性有待提高等挑战。本文主要开展基于激光扫描技术的结构健康监测核心问题研究:损伤识别网络模型搭建及损伤监测指标提取。重点发展无需光照及多设备体集成的激光扫描设备、对检测环境等不敏感而对损伤敏感的结构损伤识别方法、有效提高识别精度的损伤网络模型,以及提取监测结构健康状态损伤敏感特性指标,主要研究内容如下:（1）自主研制一种高精度三维激光扫描（3D Laser Scanning）系统。由直线滑块模组和2D激光测距传感器共同集成3D激光扫描系统,通过步进电机控制滑组丝杆精细动作以实现激光测距传感器精准升降扫描。设计激光扫描系统设计方案,推导该系统的结构量测计算原理。将2D激光测距传感器增加一维传动执行装置,完成结构试验量测系统的制作方法。基于结构检测实例开展系统量测实用性、扫描结果准确性验证分析。（2）开展不同维度下损伤图像纹理特性研究,并结合三维激光扫描系统测量原理及扫描获取损伤图像性质,提出有效降低点云数据量方法。深入研究结构损伤图像增强方法,并开展混凝土结构损伤图像优化质量评价。（3）建立表征结构损伤纹理特性灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）,基于统计学方法定量描述结构损伤情况。基于GLCM核心——生成准则,提出改进灰度共生矩阵的方法,构建全面分析组合体形式生成准则的灰度共生矩阵。同时,基于改进后GLCM,分析混凝土结构损伤特征参数表征的损伤特性,开展损伤特征提取以及损伤指标筛选。（4）研究混凝土结构损伤识别自组织特征映射神经网络（Self Organizing Map,SOM）模型构建方法,损伤识别网络模型搭建、学习过程及算法流程等。基于SOM拓扑结构,提出优化网络方法,并应用改进后网络模型开展结构损伤识别研究。（5）开展基于G-S-G混凝土结构损伤状态指标健康状态监测方法。基于损伤纹理特性,开展可识别并监测结构损伤信息的损伤状态指标。针对指标敏感特性及表征能力对指标进行筛选及可靠性验证。基于自主研制的激光扫描量测装置,结合GLCM提取的损伤指标,搭建的改进SOM混凝土结构损伤识别模型,有效识别损伤类型、损伤指标对损伤状态敏感,对及时发现结构中早期损伤具有重要意义。
刘晨光[10]（2019）在《基于车致振动响应的梁式桥结构动力检测与状态诊断方法》文中提出由于材料性能退化与外部损伤的共同影响,在役桥梁经过一定年限的使用运营后,将面临不可忽视的运营期安全风险。对桥梁结构状态进行检测与诊断,是维持桥梁长期正常工作状态的关键。基于荷载试验的桥梁结构检测与诊断方法,因具有方便的检测灵活性与深入的结构状态揭示能力,是目前技术条件下,具有良好可行性、可推广性与投入产出比的桥梁结构检测方法。根据目前的行业规范指导方向与工程实践情况,多数桥梁荷载试验以静力试验为主动力试验为辅,动力检测试验数据未能被充分的利用。但事实上,动力检测试验结果中包含有更全面的桥梁结构信息,可更为细致的反映结构的受力与损伤状态。因此,有必要对桥梁荷载试验中的动力检测试验分支进行进一步的研究。本文以移动车辆荷载激励下的梁式桥车致振动响应数据为研究主体,对基于动力检测试验的梁式桥结构状态检测与诊断方法展开以下研究工作:针对非桥梁结构性因素对梁式桥冲击系数的影响机理与影响规律进行研究。对桥面不平整状况,从空间域因素和频域因素两方面,分别研究冲击系数随桥面不平整状况的变化规律,并分析其影响机理。对试验加载车辆参数,分别从车辆的行驶速度和装载重量两个可控参数角度进行分析,结果显示加载车辆参数对冲击系数的影响非独立,车辆参数会与桥面不平整状况二者相互耦合,共同对冲击系数产生影响。对车队荷载中车辆间距空间分布情况,采用遗传优化算法进行计算分析,结果显示车辆间距在不同区间范围内对冲击系数的具有不同的影响规律。为改善现行桥面不平整度分级法用于冲击系数分析计算的局限性,提出由桥面不平整所引起冲击系数的概率分布模型,并据此概率模型提出新指标——特征冲击系数μfe。通过特征冲击系数,可依据不同保证率表征桥面不平整度等级与其引起的桥梁动力效应增大程度之间的关系,提高现行桥面不平整功率谱密度分级法与桥梁冲击系数之间的相关性。在此基础上,进一步提出考虑桥面平整度退化的冲击系数检测评定方法。该方法以有障碍跑车试验为实施手段,以最差预设不平整度等级的特征冲击系数μfe作为检测目标值,通过在桥面不同位置设置不同尺寸的障碍物来等效模拟不同程度的桥面平整度退化,最终检验桥面不平整等级退化到预设等级后,桥梁冲击系数是否仍然满足设计要求,并针对不同测试结果给出桥梁动力状态的评定建议。提出车队荷载作用下梁式桥冲击系数的预测检验方法,以解决目前桥梁动力检测一般以单辆车跑车激励试验为主,与桥梁实际运营状态的车流荷载存在差异的问题。该方法结合单辆车的跑车试验数据与基于遗传算法设计的最不利冲击系数优化搜索算法,既考虑了现场试验的实测结果,又可避免多辆试验车现场跑车测试难以控制的缺点,而且通过优化算法能够分析预测更多种车辆组合工况,获得各种车队荷载工况下,桥梁冲击系数或结构最大振幅的最不利结果。对梁式桥动力检测结果数据的时频域信号处理方法进行分析研究。根据动力检测信号的降噪需求,编制基于小波系数模相关性的信号降噪算法程序,以提高信号降噪后的局部高频细节保留的完整性。根据实测冲击系数的计算需求,从频域幅值谱比对法低通滤波、时域最小二乘法曲线拟合、时频域经验模态分解三个角度,分别提出移动车辆荷载作用下桥梁实测动位移曲线的动、静分量分离方法,三种方法计算角度不相互关联,可独立用于实测冲击系数计算的数据前处理,也可同时使用以相互验证,降低算法误差对检测结果产生的影响。针对传统频域变换法识别密集分布模态参数分辨率不足的问题,给出基于最优复Morlet小波变换的梁式桥密集模态参数时频域识别方法,该方法通过对复Morlet小波函数依据目标分辨率约束条件和最小Shanoon信息熵约束条件进行最优化参数设计,可在不增加有效信号长度的前提下提高信号分析的频域分辨率。针对梁式桥动力检测试验框架内的实用损伤状态诊断方法进行研究。在动力检测试验中常用的跑车激振试验基础上,以梁式桥动位移检测结果作为源数据,提出基于信号奇异性小波刻画的梁式桥损伤状态诊断方法,此方法利用小波系数模极大值迹线分布情况识别损伤位置,通过损伤位置处的Lipschitz奇异性指数量化损伤程度。同时,针对桥面不平整状况、试验车辆参数、信号采集位置等梁式桥动力检测试验中主要可变因素对损伤状态诊断效果的影响进行分析讨论,并给出提高损伤诊断准确性的检测试验实施建议。
二、土木工程结构健康监测、诊断以及安全评定技术（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、土木工程结构健康监测、诊断以及安全评定技术（论文提纲范文）
（1）建筑结构安全智能化监测研究现状及展望（论文提纲范文）
| 1 新型传感设备与技术 |
| 1.1 局部监测 |
| 1.1.1 光纤光栅传感器 |
| 1.1.2 压电材料传感器 |
| 1.1.3 形状记忆合金 |
| 1.2 整体监测 |
| 1.2.1 摄影及视频测量技术 |
| 1.2.2 GPS技术 |
| 1.2.3 测量机器人 |
| 2 数据的智能传输与处理 |
| 3 结构损伤识别 |
| 3.1 基于动力参数的损伤识别 |
| 3.2 基于静力参数的损伤识别 |
| 3.3 动静参数相结合的损伤识别 |
| 4 结构安全诊断与评定的智能算法 |
| 5 结论与展望 |
（2）基于深度学习的结构外观病害检测与监测数据挖掘（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 桥梁维护管理现状 |
| 1.1.1 桥梁维护管理现状及意义 |
| 1.1.2 桥梁检测评估 |
| 1.1.3 结构健康监测 |
| 1.2 结构维护管理与大数据技术融合发展的趋势 |
| 1.2.1 大数据背景技术 |
| 1.2.2 融合发展的需求 |
| 1.3 传统数据挖掘方法 |
| 1.3.1 数据挖掘主要解决的四类问题 |
| 1.3.2 数据挖掘经典算法 |
| 1.4 深度学习的发展 |
| 1.4.1 深度学习相关领域学科关系 |
| 1.4.2 深度学习5 种常见网络类型 |
| 1.5 深度学习在土木工程中的应用 |
| 1.5.1 一维数据 |
| 1.5.2 二维数据 |
| 1.5.3 多维数据 |
| 1.6 本文研究目标与研究内容 |
| 1.6.1 研究思路及内容 |
| 1.6.2 论文结构安排及创新点 |
| 第2章 基于深度学习和Zernike正交矩的裂缝分割及宽度测量 |
| 2.1 基于数字图像处理的裂缝检测 |
| 2.1.1 传统裂缝分割方法及其局限性 |
| 2.1.2 传统裂缝宽度测量方法及其局限性 |
| 2.2 基于多尺度深度学习的裂缝分割 |
| 2.2.1 整体思路 |
| 2.2.2 GoogLeNet网络结构 |
| 2.2.3 深度残差网络结构 |
| 2.2.4 基于深度学习的裂缝定位及初始分割 |
| 2.2.5 基于深度学习的裂缝精细化分割 |
| 2.3 基于Zernike正交矩的裂缝宽度测量 |
| 2.3.1 正交矩宽度测量原理 |
| 2.3.2 原理误差补偿 |
| 2.3.3 裂缝宽度测量数值计算步骤 |
| 2.4 实验验证 |
| 2.4.1 裂缝定性检测 |
| 2.4.2 裂缝自动勾画 |
| 2.4.3 裂缝宽度测量 |
| 2.5 本章小结 |
| 第3章 基于多尺度特征融合网络的像素级裂缝分割 |
| 3.1 多尺度特征融合网络 |
| 3.1.1 特征提取网络及特征可视化 |
| 3.1.2 像素级特征融合 |
| 3.1.3 连续全卷积层 |
| 3.1.4 损失函数 |
| 3.2 两种策略搭建特征融合网络 |
| 3.2.1 自下而上的融合策略 |
| 3.2.2 自上而下的融合策略 |
| 3.3 不同尺度特征影响分析 |
| 3.3.1 搭建数据库 |
| 3.3.2 特征影响直观分析 |
| 3.3.3 训练过程对比分析 |
| 3.4 其他网络参数影响分析 |
| 3.4.1 全卷积层参数影响分析 |
| 3.4.2 特征提取层参数影响分析 |
| 3.5 模型测试结果与讨论 |
| 3.5.1 不同区间测试样本分析 |
| 3.5.2 完整图像裂缝检测 |
| 3.6 本章小结 |
| 第4章 基于对抗深度学习增强的轻量级裂缝检测网络 |
| 4.1 轻量级网络优化方法 |
| 4.1.1 生成对抗网络的发展 |
| 4.1.2 基于生成对抗的距离 |
| 4.1.3 轻量化网络结构设计 |
| 4.1.4 对抗分支网络 |
| 4.2 网络训练与对比分析 |
| 4.2.1 考虑模糊的数据集增强 |
| 4.2.2 网络优化策略 |
| 4.2.3 提出方法和传统FCN对比分析 |
| 4.2.4 对抗策略对不同网络影响分析 |
| 4.3 实桥裂缝检测 |
| 4.4 本章小结 |
| 第5章 基于一维卷积网络的健康监测异常数据检测 |
| 5.1 健康监测常见异常数据 |
| 5.1.1 数据异常检测的意义 |
| 5.1.2 异常数据类型 |
| 5.2 传统数据异常检测方法及其局限性 |
| 5.2.1 基于单个传感器数据的异常检测 |
| 5.2.2 基于多元统计分析的异常检测 |
| 5.2.3 基于深度学习的异常检测 |
| 5.2.4 传统方法的局限性 |
| 5.3 基于一维卷积网络的数据异常检测方法 |
| 5.3.1 一维卷积网络框架 |
| 5.3.2 损失函数 |
| 5.3.3 Adam优化策略 |
| 5.4 江阴大桥吊杆监测数据异常检测 |
| 5.4.1 数据集准备 |
| 5.4.2 网络训练及参数设置 |
| 5.4.3 基于T-SNE降维的特征分析 |
| 5.4.4 长期监测数据异常识别结果 |
| 5.5 本章小结 |
| 第6章 基于卷积自编码网络的长期监测数据压缩 |
| 6.1 传统数据压缩技术 |
| 6.1.1 无损压缩 |
| 6.1.2 有损压缩 |
| 6.2 卷积自编码网络结构 |
| 6.2.1 研究框架 |
| 6.2.2 重建网络 |
| 6.2.3 损失函数 |
| 6.3 江阴大桥吊杆长期监测数据压缩 |
| 6.3.1 数据集准备 |
| 6.3.2 网络训练及参数设置 |
| 6.3.3 压缩率对重建精度影响分析 |
| 6.3.4 与传统数据压缩方法对比 |
| 6.3.5 长期监测数据压缩结果 |
| 6.4 本章小结 |
| 第7章 全文总结与展望 |
| 7.1 本文主要成果与创新 |
| 7.2 后续工作展望 |
| 参考文献 |
| 个人简历、在读期间发表学术论文与研究成果 |
| 致谢 |
（3）大跨桥梁结构健康诊断和管养决策的机器学习方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 大跨桥梁结构健康诊断的研究现状 |
| 1.2.1 基于模型的结构健康诊断方法 |
| 1.2.2 数据驱动的结构健康诊断方法 |
| 1.3 大跨桥梁结构关键受力构件健康诊断研究现状 |
| 1.3.1 正交异性钢桥面板健康诊断 |
| 1.3.2 斜拉索健康诊断 |
| 1.4 大跨桥梁结构管养决策研究现状 |
| 1.5 本文的主要研究内容 |
| 第2章 基于轮载应变比的大跨桥梁正交异性钢桥面板裂缝识别方法 |
| 2.1 引言 |
| 2.2 正交异性钢桥面板应变监测数据特征及其预处理方法 |
| 2.2.1 车辆荷载作用下正交异性钢桥面板的应变响应 |
| 2.2.2 基于离散小波变换的应变响应多源作用解耦方法 |
| 2.3 基于轮载应变时空相关的正交异性钢桥面板裂缝识别方法 |
| 2.3.1 基于DTW的车致应变相关性建模 |
| 2.3.2 基于轮载应变比概率密度模型演化的裂缝识别方法 |
| 2.4 某大跨桥梁正交异性钢桥面板裂缝识别 |
| 2.4.1 应变监测 |
| 2.4.2 应变数据预处理 |
| 2.4.3 轮载应变比概率密度模型 |
| 2.4.4 结果与讨论 |
| 2.5 本章小结 |
| 第3章 基于车致索力统计模式识别的大跨斜拉桥拉索健康诊断方法 |
| 3.1 引言 |
| 3.2 大跨斜拉桥索力监测数据特征及其预处理方法 |
| 3.2.1 车辆荷载作用下斜拉索简化力学模型 |
| 3.2.2 结构有限元模型 |
| 3.2.3 斜拉索索力监测数据预处理 |
| 3.3 车致索力相关性的统计模式识别方法 |
| 3.3.1 车致索力相关性建模 |
| 3.3.2 上下游车致索力比高斯混合模型 |
| 3.3.3 参数识别 |
| 3.3.4 基于车致索力比高斯混合模型演化的的斜拉索状态评估方法 |
| 3.4 某大跨斜拉桥拉索状态评估 |
| 3.4.1 索力监测 |
| 3.4.2 索力监测数据预处理 |
| 3.4.3 上下游车致索力比高斯混合模型 |
| 3.4.4 斜拉索状态评估 |
| 3.5 本章小结 |
| 第4章 基于LSTM的拉索群健康诊断方法 |
| 4.1 引言 |
| 4.2 基于车致索力时空相关性的拉索群健康诊断方法 |
| 4.2.1 拉索群车致索力时空相关模型 |
| 4.2.2 基于深度前馈网络的拉索群基准状态模型 |
| 4.2.3 基于LSTM的拉索群基准状态模型 |
| 4.2.4 数据缺失时基于结构状态基准模型的拉索群健康诊断和数据恢复方法 |
| 4.3 某大跨斜拉桥拉索群的结构健康诊断 |
| 4.3.1 网络架构 |
| 4.3.2 数据缺失时拉索群结构健康诊断与数据恢复 |
| 4.4 本章小结 |
| 第5章 基于深度强化学习的桥梁结构管养决策方法 |
| 5.1 引言 |
| 5.2 结构管养的马尔科夫决策过程模型 |
| 5.2.1 模型建立 |
| 5.2.2 桥梁结构管养决策的深度强化学习优化方法 |
| 5.3 基于深度强化学习的桥梁结构管养一般性方法 |
| 5.3.1 简支梁桥面板体系 |
| 5.3.2 大跨斜拉桥结构 |
| 5.4 结果与讨论 |
| 5.4.1 网络训练与管养决策优化 |
| 5.4.2 结构管养策略评估 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（4）老旧房屋健康智能监测云平台系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 既有建筑健康现状 |
| 1.2.1 既有建筑服役现状及出现的问题分析 |
| 1.2.2 既有建筑结构健康监测的发展现状 |
| 1.2.3 老旧房屋健康监测的发展 |
| 1.3 物联网与云计算的发展 |
| 1.3.1 物联网与云计算的研究现状 |
| 1.3.2 老旧房屋健康智能监测云平台系统的发展 |
| 1.4 课题来源及本文主要研究内容 |
| 1.4.1 课题来源 |
| 1.4.2 主要研究内容 |
| 第二章 老旧房屋健康智能监测云平台系统的总体框架及工作原理 |
| 2.1 引言 |
| 2.2 国内房屋安全检测评定机制 |
| 2.2.1 国内房屋安全检测评定的历史 |
| 2.2.2 国内房屋检测评定的现行机制 |
| 2.2.3 老旧房屋综合治理的难题和对策 |
| 2.3 老旧房屋健康监测云平台系统总体方案 |
| 2.3.1 物联网系统通用架构 |
| 2.3.2 系统设计原则 |
| 2.3.3 老旧房屋健康智能监测系统架构设计 |
| 2.4 云计算技术 |
| 2.4.1 大数据处理模式与云计算的任务部署 |
| 2.4.2 云计算技术部署与应用 |
| 2.5 本章小结 |
| 第三章 老旧房屋健康监测与智能巡检系统的设计与实现 |
| 3.1 引言 |
| 3.2 老旧房屋损伤特点与诱因分析 |
| 3.2.1 老旧房屋的主要破坏特点 |
| 3.2.2 老旧房屋的损伤诱因分析 |
| 3.2.3 老旧房屋健康智能监测系统各功能子层的设计分析 |
| 3.3 老旧房屋传感器监测物联网系统总体架构 |
| 3.3.1 现阶段我国常规房屋检测技术 |
| 3.3.2 老旧房屋健康监测感知层传感设备选型与布设 |
| 3.3.3 老旧房屋健康传感器监测物联网系统网络传输层设计 |
| 3.3.4 智能传感器监测与传统人工监测对比 |
| 3.4 智能巡检APP系统架构和功能设计总体架构 |
| 3.4.1 老旧房屋传统人工巡检 |
| 3.4.2 老旧房屋巡检新方式 |
| 3.4.3 智能巡检APP系统总体架构与功能的设计 |
| 3.4.4 智能巡检系统网络传输层设计: |
| 3.4.5 老旧房屋智能巡检APP系统与传统人工巡检的对比 |
| 3.5 本章小结 |
| 第四章 老旧房屋健康智能监测云的关键技术和系统应用 |
| 4.1 引言 |
| 4.2 老旧房屋健康智能监测云设计 |
| 4.2.1 老旧房屋健康智能监测云的设计目标 |
| 4.2.2 云计算服务模式的对比 |
| 4.2.3 阿里云的关键技术及监测云数据处理的技术实现 |
| 4.2.4 基于云计算的老旧房屋健康监测变革 |
| 4.3 老旧房屋监测数据预处理与后处理分析 |
| 4.3.1 监测数据预处理 |
| 4.3.2 监测数据后处理分析及预测 |
| 4.4 智能监测云平台系统的管理和房屋预警应用实现 |
| 4.4.1 智能监测云平台系统的管理 |
| 4.4.2 老旧房屋安全预警实现 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文的主要结论 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
（5）混凝土结构裂缝的压电主动定量监测及健康状况评定（论文提纲范文）
| 作者简介 |
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 压电传感技术在混凝土结构裂缝监测领域的研究现状 |
| 1.2.2 目前存在的问题 |
| 1.3 本文主要研究内容与研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 第二章 压电主动传感理论与方法 |
| 2.1 引言 |
| 2.2 压电材料的介绍 |
| 2.2.1 压电材料 |
| 2.2.2 压电效应 |
| 2.2.3 压电材料的性能参数 |
| 2.2.4 压电方程 |
| 2.3 压电主动传感理论 |
| 2.4 数据处理与分析 |
| 2.4.1 小波包能量分析方法 |
| 2.4.2 数值归一化方法 |
| 2.5 本章小结 |
| 第三章 混凝土结构裂缝演化形式研究 |
| 3.1 引言 |
| 3.2 混凝土梁三点受弯加载的试验研究 |
| 3.2.1 混凝土配筋试件的制备 |
| 3.2.2 混凝土梁三点受弯加载试验系统 |
| 3.2.3 加载过程 |
| 3.2.4 试验结果 |
| 3.3 混凝土梁三点受弯加载的数值模拟 |
| 3.3.1 ABAQUS介绍 |
| 3.3.2 建立混凝土配筋梁模型 |
| 3.3.3 混凝土本构模型及单元损伤判定 |
| 3.3.4 定义边界条件及施加荷载 |
| 3.3.5 静力分析步设置 |
| 3.3.6 模型网格划分 |
| 3.3.7 仿真结果 |
| 3.4 裂缝演化形式对比分析 |
| 3.5 本章小结 |
| 第四章 混凝土结构裂缝的压电主动传感定量监测试验研究 |
| 4.1 引言 |
| 4.2 混凝土无筋试件的制备 |
| 4.3 混凝土裂缝的压电主动传感监测系统 |
| 4.3.1 混凝土裂缝对应力波的衰减机理 |
| 4.3.2 试验仪器及传感器 |
| 4.3.3 监测系统的搭建 |
| 4.4 试验过程 |
| 4.5 试验结果 |
| 4.5.1 跨中垂直裂缝工况试验监测结果 |
| 4.5.2 支座处斜裂缝工况试验监测结果 |
| 4.6 基于试验研究的裂缝参数定量区间分析 |
| 4.6.1 跨中垂直裂缝工况试验监测数据分析 |
| 4.6.2 支座处斜裂缝工况试验监测数据分析 |
| 4.7 本章小结 |
| 第五章 混凝土结构裂缝的压电主动传感定量监测仿真研究 |
| 5.1 引言 |
| 5.2 压电-预置裂缝混凝土梁机电耦合仿真 |
| 5.2.1 建立有限元模型 |
| 5.2.2 模型材料参数 |
| 5.2.3 激励信号 |
| 5.2.4 分析步及增量步的设置 |
| 5.2.5 网格划分原则 |
| 5.3 仿真过程 |
| 5.4 仿真结果 |
| 5.4.1 应力波在含裂缝混凝土内部的传播机理 |
| 5.4.2 跨中垂直裂缝工况仿真监测结果 |
| 5.4.3 支座处斜裂缝工况仿真监测结果 |
| 5.5 基于仿真研究的裂缝定量区间分析 |
| 5.5.1 跨中垂直裂缝工况仿真监测数据分析 |
| 5.5.2 支座处斜裂缝工况仿真监测数据分析 |
| 5.6 试验与仿真的裂缝参数定量区间对比 |
| 5.7 本章小结 |
| 第六章 混凝土结构的健康状况评定 |
| 6.1 引言 |
| 6.2 损伤评定方法的建立 |
| 6.2.1 建立基于信号能量值衰减的损伤程度评定方法 |
| 6.2.2 建立基于裂缝参数定量区间的损伤程度评定方法 |
| 6.3 健康状况评定 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
（6）基于模型静动力测试的悬索桥损伤诊断模拟研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 桥梁结构健康监测研究现状 |
| 1.3 结构损伤识别研究现状 |
| 1.3.1 基于结构静力参数的损伤识别 |
| 1.3.2 基于结构动力参数的损伤识别 |
| 1.3.3 基于新兴智能算法的损伤识别 |
| 1.3.4 基于模型修正的损伤识别 |
| 1.4 课题研究的目的和意义 |
| 1.5 论文主要研究内容与技术路线 |
| 2 试验模型设计制作与安装 |
| 2.1 悬索桥简介 |
| 2.2 桥梁结构试验模型研究现状 |
| 2.3 试验模型设计 |
| 2.3.1 模型相似分析 |
| 2.3.2 模型整体与局部设计 |
| 2.4 试验模型加工安装 |
| 2.4.1 模型制作 |
| 2.4.2 模型安装 |
| 2.5 本章小结 |
| 3 试验模型的静动力加载测试分析 |
| 3.1 概述 |
| 3.2 试验模型静动力测试系统设计 |
| 3.2.1 主要试验内容 |
| 3.2.2 测试系统数据采集流程介绍 |
| 3.2.3 传感器的选择 |
| 3.2.4 试验模型中重要构件的编号 |
| 3.3 试验模型静动载测试下无损与损伤分析 |
| 3.3.1 试验工况 |
| 3.3.2 主梁各控制截面挠度值测试 |
| 3.3.3 吊索拉力值测试 |
| 3.3.4 主梁应变测试 |
| 3.3.5 固有频率测试 |
| 3.3.6 试验模型静动力加载有无损分析总结 |
| 3.4 本章小结 |
| 4 悬索桥试验模型数值分析 |
| 4.1 有限元模型的建立小 |
| 4.1.1 单元的性质与选择 |
| 4.1.2 空间有限元模型建立 |
| 4.2 有限元模型修正 |
| 4.3 有限元模型的试算分析 |
| 4.3.1 主梁挠度计算值 |
| 4.3.2 吊索拉力计算值 |
| 4.3.3 主梁应变计算值 |
| 4.3.4 固有频率计算值 |
| 4.4 本章小结 |
| 5 WVD交叉项损伤识别方法阐述与有限元梁结构损伤试验验证 |
| 5.1 时频分析方法概述 |
| 5.1.1 线性时频分析 |
| 5.1.2 双线性时频分析 |
| 5.2 WVD交叉项的产生与提取 |
| 5.2.1 交叉项的产生 |
| 5.2.2 算例说明 |
| 5.2.3 交叉项的提取 |
| 5.3 WVD交叉项在有限元梁式结构模型损伤中的试验验证 |
| 5.3.1 悬臂梁有限元模型在激励荷载下损伤识别试验 |
| 5.3.2 悬臂梁有限元模型在移动荷载下损伤识别试验 |
| 5.3.3 简支梁有限元模型在激励荷载下损伤识别试验 |
| 5.3.4 简支梁有限元模型在移动荷载下损伤识别试验 |
| 5.4 本章小结 |
| 6 WVD交叉项在悬索桥有限元模型损伤识别中的应用 |
| 6.1 桥梁有限元模型模拟损伤类型 |
| 6.2 吊索损伤识别研究 |
| 6.2.1 试验工况设计 |
| 6.2.2 试验测试与分析 |
| 6.3 主梁损伤识别研究 |
| 6.3.1 试验工况设计 |
| 6.3.2 试验测试与分析 |
| 6.4 主缆损伤识别研究 |
| 6.4.1 试验工况设计 |
| 6.4.2 试验测试与分析 |
| 6.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（7）基于车桥耦合振动的桥梁快速测试与诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 桥梁维护管理的意义和现状 |
| 1.1.1 桥梁维护管理的意义 |
| 1.1.2 桥梁维护管理的现状 |
| 1.2 桥梁检测与评估 |
| 1.2.1 桥梁的一般检查 |
| 1.2.2 桥梁评估规范 |
| 1.2.3 桥梁无损检测技术 |
| 1.2.4 桥梁检测方法 |
| 1.2.5 桥梁自动化检测 |
| 1.3 结构健康监测技术 |
| 1.3.1 结构健康监测技术的发展 |
| 1.3.2 结构健康监测系统的构成 |
| 1.3.3 结构健康监测技术的应用 |
| 1.3.4 结构健康监测技术面临的问题 |
| 1.4 桥梁快速测试与评估 |
| 1.4.1 荷载加载车 |
| 1.4.2 桥梁快速扫描检测车 |
| 1.4.3 移动分块冲击振动测试 |
| 1.5 本文的主要研究内容和结构安排 |
| 1.5.1 主要研究内容与创新点 |
| 1.5.2 论文结构安排 |
| 第二章 桥梁快速测试思想及设备研发 |
| 2.1 基于车桥耦合振动的桥梁快速测试思想 |
| 2.1.1 基于冲击振动思想进行桥梁快速测试的发展趋势 |
| 2.1.2 基于车桥耦合振动进行桥梁快速测试的方法概述 |
| 2.1.3 基于车桥耦合振动的桥梁快速测试理论框架 |
| 2.2 基于车桥耦合振动思想进行桥梁测试的理论优势 |
| 2.2.1 结构位移频响函数估计方法比较 |
| 2.2.2 位移频响函数幅值的缩放关系 |
| 2.2.3 位移柔度和位移频响函数的关系 |
| 2.2.4 基于复模态理论进行柔度识别的优势 |
| 2.2.5 基于冲击振动的桥梁柔度识别框架 |
| 2.3 冲击荷载产生装置研发 |
| 2.3.1 落锤激振装置研发 |
| 2.3.2 移动冲击装置 |
| 2.3.3 基于移动车辆动力特征的车轮力识别方法 |
| 2.4 本章小结 |
| 第三章 基于车桥耦合振动和加速度测量的桥梁快速测试 |
| 3.1 解耦车桥耦合振动 |
| 3.1.1 车桥耦合振动理论 |
| 3.1.2 车桥耦合振动解耦 |
| 3.2 等效荷载分配 |
| 3.2.1 平面梁单元的等效节点荷载 |
| 3.2.2 梁格单元的等效节点荷载 |
| 3.3 桥梁振动系统的多输入多输出(MIMO)频响函数 |
| 3.3.1 H1, H2, Hv方法求解MIMO频响函数 |
| 3.3.2 随机子空间识别(SSI)方法求解MIMO频响函数 |
| 3.3.3 目标频响函数矩阵提取 |
| 3.4 复杂MIMO桥梁系统的位移柔度识别理论 |
| 3.4.1 位移频响函数矩阵的奇异值分解 |
| 3.4.2 CMIF图和位移振型识别 |
| 3.4.3 增强位移频响函数构造 |
| 3.4.4 基于增强频响函数的模态参数识别 |
| 3.4.5 基于增强频响函数模态缩放系数识别 |
| 3.4.6 位移柔度矩阵识别 |
| 3.4.7 模态保证准则 |
| 3.4.8 算法实施流程 |
| 3.5 数值仿真模拟 |
| 3.5.1 车桥耦合模型 |
| 3.5.2 桥梁模态参数识别 |
| 3.5.3 桥梁柔度矩阵识别 |
| 3.5.4 桥梁变形预测 |
| 3.5.5 算法的鲁棒性研究 |
| 3.6 车轮简支梁耦合激励实验 |
| 3.6.1 实验设计 |
| 3.6.2 车轮简支梁耦合激励实验测试 |
| 3.6.3 简支梁结构的柔度识别 |
| 3.6.4 简支梁位移变形预测 |
| 3.7 本章小节 |
| 第四章 基于车桥耦合振动和长标距应变测量的桥梁快速测试与诊断 |
| 4.1 长标距应变传感技术 |
| 4.1.1 长标距传感概念 |
| 4.1.2 长标距应变传感器独特优势 |
| 4.1.3 基于长标距传感器的结构区域分布传感理念 |
| 4.1.4 钢筋混凝土梁的区域分布传感 |
| 4.2 基于长标距应变的共轭梁理论 |
| 4.2.1 梁的挠曲线、转角、曲率、应变关系 |
| 4.2.2 共轭梁法基本原理 |
| 4.2.3 由长标距应变计算梁的挠度 |
| 4.3 长标距应变柔度识别和位移柔度识别 |
| 4.3.1 长标距应变频响函数 |
| 4.3.2 长标距应变频响函数的奇异值分解 |
| 4.3.3 基于长标距应变的增强频响函数 |
| 4.3.4 基于长标距应变的模态参数识别 |
| 4.3.5 长标距应变柔度矩阵和位移柔度矩阵识别 |
| 4.4 数值仿真分析 |
| 4.4.1 车桥耦合振动模型 |
| 4.4.2 数据分析 |
| 4.4.3 识别结果验证 |
| 4.5 影响因素分析 |
| 4.5.1 路面不平整度 |
| 4.5.2 车速 |
| 4.5.3 测量噪声 |
| 4.5.4 车重 |
| 4.6 桥梁快速诊断与评估 |
| 4.6.1 基于识别参数的损伤指标 |
| 4.6.2 桥梁性能快速评估 |
| 4.7 本章结论 |
| 第五章 基于改进的Prony方法的结构柔度识别理论 |
| 5.1 概述 |
| 5.2 基于脉冲响应的柔度识别理论 |
| 5.2.1 单位脉冲响应函数 |
| 5.2.2 单位脉冲响应函数矩阵的奇异值分解 |
| 5.2.3 增强单位脉冲响应函数 |
| 5.2.4 增强脉冲响应函数的离散化 |
| 5.2.5 基于增强脉冲响应函数的Prony方法 |
| 5.2.6 基于增强脉冲响应函数的模态缩放系数识别 |
| 5.2.7 基于增强脉冲响应函数的位移柔度矩阵识别 |
| 5.3 基于增强脉冲响应函数改进的Cadzow算法 |
| 5.4 算法实施流程 |
| 5.5 数值仿真计算 |
| 5.5.1 桥梁数值模型及冲击振动测试模拟 |
| 5.5.2 位移振型识别及单位脉冲响应计算 |
| 5.5.3 构造增强单位脉冲响应函数 |
| 5.5.4 基于改进Cadzow算法的去噪处理 |
| 5.5.5 基于扩展Prony方法的模态参数识别 |
| 5.5.6 结构柔度矩阵识别 |
| 5.5.7 静载工况下的位移变形预测 |
| 5.6 试验室实验 |
| 5.6.1 简支梁实验简介 |
| 5.6.2 冲击振动测试 |
| 5.6.3 静载实验 |
| 5.6.4 结构的模态参数识别 |
| 5.6.5 结构柔度矩阵识别 |
| 5.6.6 静载工况下的位移变形预测 |
| 5.6.7 算法比较 |
| 5.7 本章小结 |
| 第六章 基于车桥耦合振动的桥梁快速测试工程应用 |
| 6.1 燕湖桥移动力锤连续冲击测试 |
| 6.1.1 移动力锤连续冲击测试方案设计 |
| 6.1.2 移动力锤连续冲击实桥测试 |
| 6.1.3 移动力锤连续冲击测试数据分析 |
| 6.2 燕湖桥车桥耦合振动实桥测试 |
| 6.2.1 车桥耦合振动测试工程简介 |
| 6.2.2 车桥耦合振动测试传感器布置方案 |
| 6.2.3 车桥耦合振动测试方案 |
| 6.2.4 车桥耦合振动测试数据分析 |
| 6.3 实验结果总结 |
| 第七章 全文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 发表论文情况 |
| 致谢 |
（8）纳米碳纤维聚氨酯基复合材料机敏特性研究及工程应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 纳米碳纤维聚氨酯基复合材料力学特性研究现状 |
| 1.2.2 纳米碳纤维聚氨酯基复合材料电学特性研究现状 |
| 1.2.3 聚氨酯基智能材料研究现状 |
| 1.2.4 结构健康监测研究现状 |
| 1.2.5 聚合物基复合材料加固研究现状 |
| 1.3 目前研究工作存在的问题 |
| 1.4 本文研究的主要内容 |
| 2 纳米碳纤维聚氨酯基复合材料的制备 |
| 2.1 原材料 |
| 2.1.1 胶凝材料 |
| 2.1.2 细骨料 |
| 2.1.3 导电填料 |
| 2.2 CNF表面改性及拌和过程 |
| 2.2.1 CNF的表面改性 |
| 2.2.2 拌和过程 |
| 2.3 微观表征与性能测试 |
| 2.3.1 X射线光电子能谱(XPS) |
| 2.3.2 X射线衍射(XRD) |
| 2.3.3 傅里叶变换-红外光谱(FTIR) |
| 2.3.4 热重(TG)分析 |
| 2.4 CPUC渗虑阈值及测试方法 |
| 2.4.1 CPUC渗虑阈值 |
| 2.4.2 两电极与四电极测试方法比较 |
| 2.4.3 电流与电压电极距离对测试结果的影响 |
| 2.5 本章小结 |
| 3 纳米碳纤维聚氨酯基复合材料基本力学性能研究 |
| 3.1 抗压性能测试 |
| 3.1.1 配合比设计 |
| 3.1.2 抗压试验 |
| 3.1.3 纤维掺量对PUC应力应变及模量影响 |
| 3.1.4 泊松比 |
| 3.2 抗弯拉强度 |
| 3.2.1 抗弯试验 |
| 3.2.2 荷载-挠度关系 |
| 3.2.3 弯拉应力-应变关系 |
| 3.3 抗拉强度 |
| 3.3.1 直拉强度 |
| 3.3.2 直拉、劈拉、弯拉强度比较 |
| 3.4 与混凝土粘结试验 |
| 3.4.1 直接拉伸粘结试验 |
| 3.4.2 粘结抗剪强度试验 |
| 3.5 纤维增强机理 |
| 3.5.1 拉伸强度 |
| 3.5.2 弹性模量 |
| 3.6 本章小结 |
| 4 纳米碳纤维聚氨酯基复合材料机敏特性研究 |
| 4.1 静态电阻率影响因素 |
| 4.1.1 正交试验设计 |
| 4.1.2 结果与讨论 |
| 4.2 压敏性能测试 |
| 4.2.1 试样制作及测试方法 |
| 4.2.2 CPUC压敏特性 |
| 4.2.3 导电及压敏机理分析 |
| 4.3 弯阻特性测试 |
| 4.3.1 弯曲试验 |
| 4.3.2 弯拉应力-应变曲线 |
| 4.3.3 CPUC弯阻特性 |
| 4.4 拉敏性能测试 |
| 4.4.1 试验方案设计 |
| 4.4.2 单次加载拉敏特性 |
| 4.4.3 不同应力幅值下循环加载拉敏特性 |
| 4.4.4 受拉弛豫过程 |
| 4.5 CPUC人工加速湿热老化电导特性研究 |
| 4.5.1 试验设计 |
| 4.5.2 结果与讨论 |
| 4.5.3 机理分析 |
| 4.6 不同环境温度下CPUC电导效应机理 |
| 4.6.1 复合型导电高分子材料导电机理 |
| 4.6.2 环境温度对CPUC电导效应的影响 |
| 4.7 本章小结 |
| 5 纳米碳纤维聚氨酯水泥分散性评价研究 |
| 5.1 引言 |
| 5.2 试验方案设计 |
| 5.2.1 静态电阻率测试 |
| 5.2.2 正六面体试块制备与电阻测试 |
| 5.2.3 压敏性能测试 |
| 5.3 结果与讨论 |
| 5.3.1 不同聚灰比下渗流曲线 |
| 5.3.2 正六面体电阻变异系数Cv |
| 5.3.3 压阻灵敏度 |
| 5.3.4 取样正六面体与相应拌合物之间灵敏度误差 |
| 5.3.5 电阻变异系数与灵敏度关系 |
| 5.3.6 CNFs掺量最优配合比与灵敏度判别 |
| 5.4 本章小结 |
| 6 本征型CPUC加固混凝土梁、柱自监测试验研究 |
| 6.1 CPUC加固混凝土梁-弯曲疲劳累积损伤自监测研究 |
| 6.1.1 四点弯曲疲劳试验 |
| 6.1.2 结果与讨论 |
| 6.1.3 结论 |
| 6.2 CPUC加固混凝土梁-弯曲自监测试验研究 |
| 6.2.1 试验概况 |
| 6.2.2 试验结果及讨论 |
| 6.2.3 结论 |
| 6.3 CPUC加固混凝土柱-轴压自监测试验研究 |
| 6.3.1 试验方案设计 |
| 6.3.2 试验结果及分析 |
| 6.3.3 结论 |
| 6.4 本章小结 |
| 7 集成型CPUC在桥梁工程中的应用 |
| 7.1 集成型CPUC的标定 |
| 7.1.1 集成型CPUC传感器的制作 |
| 7.1.2 表面型CPUC弯压传感器的标定 |
| 7.1.3 表面型CPUC弯拉传感器的标定 |
| 7.2 集成型CPUC在桥梁施工监控中的应变监控 |
| 7.2.1 工程概况 |
| 7.2.2 主梁应变监控方案及测点布置 |
| 7.2.3 主梁应变监控结果 |
| 7.3 集成型CPUC在桥梁静载试验中的应变测试 |
| 7.3.1 静载试验方案及测点布置 |
| 7.3.2 校验系数及应变测量 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（9）基于激光扫描的改进SOM神经网络混凝土结构损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 问题的提出及研究意义 |
| 1.1.1 结构健康监测 |
| 1.1.2 损伤识别 |
| 1.1.3 三维激光扫描技术 |
| 1.2 国内外研究现状 |
| 1.2.1 结构健康监测研究进展 |
| 1.2.2 结构损伤识别及监测研究现状 |
| 1.3 本文主要的研究思路与内容 |
| 2 基于激光扫描技术结构损伤检测装置的研制 |
| 2.1 引言 |
| 2.2 三维激光扫描系统的设计 |
| 2.2.1 系统原理分析 |
| 2.2.2 系统设计方案 |
| 2.3 三维激光扫描系统实现关键 |
| 2.3.1 传感器原理 |
| 2.3.2 测量方式 |
| 2.3.3 测量精度 |
| 2.3.4 传感器各项参数设置及操作 |
| 2.4 三维激光扫描系统的构成 |
| 2.4.1 支架体系 |
| 2.4.2 滑动模组 |
| 2.4.3 连接与固定 |
| 2.4.4 控制箱 |
| 2.4.5 系统构成 |
| 2.5 扫描系统结构的测量 |
| 2.5.1 系统测量原理 |
| 2.5.2 检测结果验证 |
| 2.6 本章小结 |
| 3 混凝土结构损伤图像优化 |
| 3.1 引言 |
| 3.2 损伤图像获取 |
| 3.2.1 图像采集方案设计 |
| 3.2.2 混凝土结构损伤图像 |
| 3.2.3 混凝土疲劳损伤三维模型 |
| 3.3 三维激光扫描数据预处理 |
| 3.3.1 点云数据处理 |
| 3.3.2 3D点云数据投影 |
| 3.3.3 灰度图像转换 |
| 3.4 损伤图像对比度增强 |
| 3.4.1 损伤图像增强方法 |
| 3.4.2 基于感知特性的损伤图像增强法 |
| 3.5 混凝土损伤图像质量评价 |
| 3.5.1 损伤图像质量评价指标 |
| 3.5.2 损伤图像质量评价结果与分析 |
| 3.6 本章小结 |
| 4 混凝土结构损伤纹理特性分析 |
| 4.1 引言 |
| 4.2 混凝土结构损伤纹理特性 |
| 4.2.1 损伤纹理特性概述 |
| 4.2.2 损伤纹理特性验证 |
| 4.3 混凝土结构损伤纹理分析方法 |
| 4.3.1 基于模型框架的损伤纹理分析法 |
| 4.3.2 基于结构形式的损伤纹理分析法 |
| 4.3.3 基于统计理论的损伤纹理分析法 |
| 4.3.4 基于频谱特性的损伤纹理分析法 |
| 4.4 基于改进GLCM结构损伤纹理分析 |
| 4.4.1 GLCM核心——构造因子 |
| 4.4.2 改进后核心准则的构建方法 |
| 4.4.3 生成方向的确定 |
| 4.4.4 生成步长的设计 |
| 4.4.5 图像灰度级的明确 |
| 4.5 混凝土结构损伤指标提取 |
| 4.5.1 损伤纹理特征参数 |
| 4.5.2 损伤特性指标的筛选 |
| 4.6 本章小结 |
| 5 基于改进SOM神经网络混凝土结构损伤识别 |
| 5.1 引言 |
| 5.2 基于无监督式学习网络的损伤识别 |
| 5.2.1 无监督网络的结构 |
| 5.2.2 无监督网络学习过程 |
| 5.2.3 损伤识别竞争网络模型 |
| 5.3 混凝土结构损伤识别SOM模型 |
| 5.3.1 损伤识别模型的搭建 |
| 5.3.2 损伤识别模型学习过程 |
| 5.3.3 损伤识别模型算法流程 |
| 5.4 SOM改进方法 |
| 5.4.1 SOM核心——TOP图 |
| 5.4.2 TOP比色法的提出 |
| 5.5 基于改进SOM的混凝土结构损伤识别模型 |
| 5.5.1 网络模型参数设置 |
| 5.5.2 网络模型聚类结果分析 |
| 5.5.3 损伤识别效果验证 |
| 5.6 本章小结 |
| 6 基于G-S-G的混凝土结构健康状况监测 |
| 6.1 引言 |
| 6.2 基于GLCM-SOM的裂缝识别 |
| 6.2.1 GLCM裂缝样本参数提取 |
| 6.2.2 SOM裂缝识别模型构建 |
| 6.2.3 基于GLCM-SOM裂缝识别验证 |
| 6.3 基于SOM-GLCM的损伤状态敏感指标 |
| 6.3.1 基于改进SOM的损伤特性指标确定 |
| 6.3.2 基于GLCM的损伤特性指标的提出 |
| 6.4 基于G-S-G的结构健康状态监测 |
| 6.4.1 敏感指标的获取 |
| 6.4.2 监测效果的验证 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点摘要 |
| 7.3 展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（10）基于车致振动响应的梁式桥结构动力检测与状态诊断方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车辆-桥梁耦合振动理论 |
| 1.2.2 桥梁冲击系数 |
| 1.2.3 动力检测试验中的信号处理方法 |
| 1.2.4 小波变换在动力检测中应用 |
| 1.3 本文研究内容 |
| 第2章 梁式桥冲击系数非结构性因素影响分析 |
| 2.1 引言 |
| 2.2 车辆桥梁耦合振动计算程序编制 |
| 2.2.1 自编程序算法理论 |
| 2.2.2 自编程序结果验证 |
| 2.3 冲击系数的敏感性 |
| 2.4 桥面平整状况对冲击系数的影响 |
| 2.4.1 空间域因素 |
| 2.4.2 频域因素 |
| 2.5 车辆可变参数对冲击系数的影响 |
| 2.5.1 车辆速度 |
| 2.5.2 车辆载重 |
| 2.6 车队荷载对冲击系数的影响 |
| 2.6.1 等间距车队 |
| 2.6.2 不等间距车队 |
| 2.7 本章小结 |
| 第3章 考虑非结构性因素影响的梁式桥冲击系数检测与评定方法 |
| 3.1 引言 |
| 3.2 现行桥面不平整度分级方法的局限性 |
| 3.2.1 桥面不平整数据的时频转换 |
| 3.2.2 功率谱密度分级法的局限性 |
| 3.3 桥面不平整引起冲击系数的概率分布模型 |
| 3.4 考虑桥面平整度退化的冲击系数检测评定方法 |
| 3.4.1 检测方法理论基础 |
| 3.4.2 检测方法实施方案与算例 |
| 3.5 考虑车队荷载作用的冲击系数检测方法 |
| 3.5.1 检测方法理论基础 |
| 3.5.2 检测方法实施方案与算例 |
| 3.5.3 车队荷载作用下检测结果再讨论 |
| 3.6 本章小结 |
| 第4章 梁式桥动力检测数据的时频域数字信号处理方法 |
| 4.1 引言 |
| 4.2 基于小波系数相关性的检测信号降噪方法 |
| 4.2.1 常用小波降噪算法介绍 |
| 4.2.2 小波相关性降噪算法 |
| 4.3 冲击系数实测中的动位移曲线动静分量分离方法 |
| 4.3.1 动位移曲线的组成分量 |
| 4.3.2 频域动静分离法 |
| 4.3.3 时域动静分离法 |
| 4.3.4 基于经验模式分解(EMD)的时频域动静分离法 |
| 4.3.5 动静分离方法实测数据验证 |
| 4.4 基于最优复Morlet小波变换的梁式桥密集模态参数识别方法 |
| 4.4.1 复Morlet小波的基本时频特性 |
| 4.4.2 小波模态参数识别算法框架 |
| 4.4.3 最优复Morlet小波函数设计 |
| 4.4.4 梁式桥密集分布模态参数识别数值模拟算例 |
| 4.4.5 梁式桥密集分布模态参数识别工程实例验证 |
| 4.5 本章小结 |
| 第5章 基于跑车激振响应的梁式桥损伤状态诊断方法 |
| 5.1 引言 |
| 5.2 梁式桥损伤模型与损伤诊断算法 |
| 5.2.1 裂缝损伤模型 |
| 5.2.2 基于Lipschitz指数小波刻画的损伤诊断算法 |
| 5.3 基于跑车激振响应的损伤状态诊断算法实现与算例 |
| 5.3.1 算法参数选择 |
| 5.3.2 单谐振子车辆模型激励下的损伤状态诊断 |
| 5.3.3 多自由度车辆模型激励下的损伤状态诊断 |
| 5.3.4 多损伤桥梁模型的损伤状态诊断 |
| 5.4 动力检测试验主要可变因素对损伤诊断的影响 |
| 5.4.1 加载车速度 |
| 5.4.2 加载车载重 |
| 5.4.3 动位移测试位置 |
| 5.4.4 桥面平整状况 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
四、土木工程结构健康监测、诊断以及安全评定技术（论文参考文献）
- [1]建筑结构安全智能化监测研究现状及展望[J]. 李笑林,杨璐,许镇,黄雅楠,代鹏. 土木工程与管理学报, 2021(05)
- [2]基于深度学习的结构外观病害检测与监测数据挖掘[D]. 倪富陶. 东南大学, 2021
- [3]大跨桥梁结构健康诊断和管养决策的机器学习方法研究[D]. 魏世银. 哈尔滨工业大学, 2020
- [4]老旧房屋健康智能监测云平台系统研究[D]. 吴桐. 广州大学, 2020
- [5]混凝土结构裂缝的压电主动定量监测及健康状况评定[D]. 叶志成. 中国地震局地震研究所, 2020(01)
- [6]基于模型静动力测试的悬索桥损伤诊断模拟研究[D]. 赵瑞. 大连海事大学, 2020(01)
- [7]基于车桥耦合振动的桥梁快速测试与诊断[D]. 周立明. 东南大学, 2020
- [8]纳米碳纤维聚氨酯基复合材料机敏特性研究及工程应用[D]. 杨楠. 东北林业大学, 2020(01)
- [9]基于激光扫描的改进SOM神经网络混凝土结构损伤识别研究[D]. 李可心. 东北林业大学, 2020
- [10]基于车致振动响应的梁式桥结构动力检测与状态诊断方法[D]. 刘晨光. 哈尔滨工业大学, 2019(01)