一种基于声发射波形分析的钢筋混凝土梁损伤状态评估方法

    公开(公告)号:CN112432861A

    公开(公告)日:2021-03-02

    申请号:CN202011168597.2

    申请日:2020-10-28

    Applicant: 扬州大学

    Abstract: 一种基于声发射波形分析的钢筋混凝土梁损伤状态评估方法,将钢筋混凝土梁作为实验对象,采集构件在四点弯曲分级加载作用下的声发射信号,直至混凝土材料碎裂,得到声发射能量参数时程图与加载曲线;结合钢筋混凝土梁破坏过程的损伤发展特征和声发射能量参数的特点,提取10ms声发射能量突变时刻对应的信号波形;选择sym8小波基函数,通过数值模拟的方法确定分解层数,对缺陷信号波形进行基于Rigrsure软阈值的小波降噪;选取IMF分量信号,计算信号的归一化能量向量;选择归一化能量向量中能量占比较大的几阶IMF分量快速傅里叶变换,得到IMF分量的瞬时频率。通过不同声发射信号中IMF分量的瞬时频率范围,从而判断钢筋混凝土梁构件内部损伤状态。

    一种基于声发射断层总面积的钢筋砼损伤评估方法及系统

    公开(公告)号:CN115266943A

    公开(公告)日:2022-11-01

    申请号:CN202210562051.8

    申请日:2022-05-23

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于声发射断层总面积的钢筋砼损伤评估方法,通过断层总面积理论充分考虑事件数及能量参数,计算得到声发射断层总面积,将声发射断层总面积进行累加得到断层总面积增长速率,在钢筋砼发生碎裂的关键时期,以累计断层总面积增长速率的突然上升作为特征,判断钢筋砼梁试件内部损伤状态,为运用声发射技术进行损伤识别和预警提出合理的声发射信号监测方法,为实际工程中的钢筋砼损伤的判别提供合理的依据;本发明对应提供一种基于声发射断层总面积的钢筋砼损伤评估系统。

    一种基于声发射断层总面积的钢筋砼损伤评估方法及系统

    公开(公告)号:CN115266943B

    公开(公告)日:2025-02-07

    申请号:CN202210562051.8

    申请日:2022-05-23

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于声发射断层总面积的钢筋砼损伤评估方法,通过断层总面积理论充分考虑事件数及能量参数,计算得到声发射断层总面积,将声发射断层总面积进行累加得到断层总面积增长速率,在钢筋砼发生碎裂的关键时期,以累计断层总面积增长速率的突然上升作为特征,判断钢筋砼梁试件内部损伤状态,为运用声发射技术进行损伤识别和预警提出合理的声发射信号监测方法,为实际工程中的钢筋砼损伤的判别提供合理的依据;本发明对应提供一种基于声发射断层总面积的钢筋砼损伤评估系统。

    一种基于声发射波形分析的钢筋混凝土梁损伤状态评估方法

    公开(公告)号:CN112432861B

    公开(公告)日:2023-04-14

    申请号:CN202011168597.2

    申请日:2020-10-28

    Applicant: 扬州大学

    Abstract: 一种基于声发射波形分析的钢筋混凝土梁损伤状态评估方法,将钢筋混凝土梁作为实验对象,采集构件在四点弯曲分级加载作用下的声发射信号,直至混凝土材料碎裂,得到声发射能量参数时程图与加载曲线;结合钢筋混凝土梁破坏过程的损伤发展特征和声发射能量参数的特点,提取10ms声发射能量突变时刻对应的信号波形;选择sym8小波基函数,通过数值模拟的方法确定分解层数,对缺陷信号波形进行基于Rigrsure软阈值的小波降噪;选取IMF分量信号,计算信号的归一化能量向量;选择归一化能量向量中能量占比较大的几阶IMF分量快速傅里叶变换,得到IMF分量的瞬时频率。通过不同声发射信号中IMF分量的瞬时频率范围,从而判断钢筋混凝土梁构件内部损伤状态。

    一种基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法

    公开(公告)号:CN112613105A

    公开(公告)日:2021-04-06

    申请号:CN202011556936.4

    申请日:2020-12-25

    Applicant: 扬州大学

    Abstract: 一种基于声发射参数与遗传算法优化BP神经网络的钢筋混凝土梁损伤状态识别方法,钢筋混凝土梁作为实验对象,采集构件在四点弯曲分级加载作用下的声发射信号,直至混凝土材料碎裂;计算ba值,根据ba值与能量的变化,将钢筋混凝土梁损伤破坏阶段分为四个阶段;对声发射事件参数进行人工分类,作为BP神经网络的输入样本;对输入样本归一化处理;选择BP神经网络中隐含层层数、隐含层节点数、激励函数、学习速率;BP神经网络的输出层节点数为4,采用二进制编码表示;遗传算法参数初始化,选择最大进化代数、种群规模、交叉概率、变异概率,计算适应度值;将遗传算法迭代求解出最佳的初始阈值和权值赋予BP神经网络,进行BP神经网络训练。

Patent Agency Ranking