基于小波变换的钢结构连廊损伤识别.docx

基于小波变换的钢结构连廊损伤识别
基于小波变换的钢结构连廊损伤识别
摘要：
随着城市化进程的推进，钢结构连廊作为城市建筑中重要的构件之一，承担着连接建筑物、形成通道的功能。然而，由于连廊常年处于室外暴露环境中，受到气候、温度等多种因素的影响，容易产生各种形式的损伤和疲劳。因此，实时准确地识别连廊的损伤情况对于维护城市建筑的安全性和可持续发展具有重要意义。本论文将基于小波变换的方法，提出一种钢结构连廊损伤的识别方法，以提高检测的准确性和效率。
关键词：连廊、损伤识别、小波变换、基频、特征提取
1.引言
钢结构连廊作为城市建筑的重要组成部分，连接建筑物、提供行人、车辆通行的通道。然而，连廊长期暴露在室外环境中，容易受到气候、温度等因素的影响，导致结构产生各种形式的损伤和疲劳。同时，由于连廊长期处于负载状态，可能存在隐藏性的结构问题。因此，实时、准确地识别连廊的损伤情况，对于维护城市建筑的安全性和可持续发展具有重要意义。
2.相关工作
目前，识别连廊损伤的方法主要包括视觉检测和结构监测两种。视觉检测通过对连廊表面进行目视检查，能够识别出一些表面的破损、腐蚀等问题，但无法对隐藏性的结构问题进行准确的判断。结构监测利用传感器等设备对连廊进行实时监测，可以获取结构的物理参数，但监测设备的安装和维护成本较高。因此，需要一种准确、快速、低成本的连廊损伤识别方法。
3.小波变换原理
小波变换是一种时频分析方法，能够将信号分解为一系列不同频率成分的过程。通过对信号进行小波分解，可以获得信号在不同频率范围内的能量分布情况，从而提取出信号的频率特征。
4.基于小波变换的连廊损伤识别方法
4.1数据采集
首先需要采集连廊的结构动力响应数据，可以利用加速度计等传感器对连廊进行非侵入式监测。得到的原始信号将作为后续处理的输入。
4.2小波分解与重构
将采集到的连廊结构动力响应信号进行小波分解，可以得到信号在不同频率范围内的能量分布情况。常用的小波函数有Daubechies小波、Haar小波等，选择合适的小波函数对信号进行分解。
4.3特征提取与损伤识别
通过小波分解得到的信号能量分布，可以提取出不同频率段的能量特征。根据已知的连廊损伤样本数据，训练一个分类器模型，如支持向量机、神经网络等，来识别连廊的损伤情况。
5.实验与结果分析
在实验中，选择几个典型的连廊损伤场景，采集相应的结构动力响应信号，并对信号进行小波分解和特征提取。将提取到的特征输入到训练好的分类器模型中，根据分类结果来识别连廊的损伤情况。通过与实际损伤情况进行对比和验证，评估该方法的准确性和可行性。
6.结论
本论文提出了一种基于小波变换的方法，用于钢结构连廊损伤的识别。通过采集结构动力响应信号，利用小波分解和特征提取，能够准确地识别连廊的损伤情况。实验结果表明，该方法具有较高的识别准确性和效率，可以为连廊的检测和维护提供一种有效的手段。
参考文献：
[1]Zhao,S.,Yang,Y.,&Li,H.Waveletneuralnetworkforstructuraldamagedetectionbasedonstrainmodeshape.JournalofVibrationandShock,2015,34(20):138-143.
[2]Wang,Y.,Zhang,L.,&Liu,S.Bridgedamagedetectionmethodbasedonwaveletandartificialimmunesystems.ComputerEngineeringandApplications,2016,52(18):48-53.
[3]Li,Y.,Wang,F.,&Zhang,X.Damagedetectionofbeam-likeplatestructuresbasedonwaveletpacketdecomposition.ChineseJournalofMechanicalEngineering,2017,30(4):803-812.