基于小波时频图与轻量级卷积神经网络的螺栓连接损伤识别
2021-09-23卓德兵
工程力学 2021年9期
卓德兵,曹 晖
(1. 重庆大学土木工程学院,重庆 400045;2. 重庆大学山地城镇建设与新技术教育部重点实验室,重庆 400045;3. 吉首大学土木工程与建筑学院,张家界 427000)
螺栓连接广泛应用于工程结构,尤其是钢结构和组合结构。在服役期内,结构遭遇的不可避免的振动和冲击等外部作用会导致螺栓连接状态的改变,出现松动、滑移甚至脱落等问题,从而降低结构的刚度、破坏结构的完整性,危及结构安全[1]。因此,螺栓连接状态的监测,对于保证结构安全、避免重大安全事故和降低事故危害性具有重要意义。
目前,常用的螺栓连接损伤检测方法分为基于模态和基于阻抗两类[2]。螺栓松动会改变结构连接状态,从而导致结构模态参数发生相应的变化[3]。将实测的结构模态参数与基准参数比较,从而判断螺栓连接状态是基于模态的检测方法的基本原理。然而,结构的低阶振动参数和低频段传递特性等特征参量对螺栓连接损伤这样的局部特性变化不够敏感[4]。如果要提高特征参量的灵敏度,就需要在高频段甚至极高频段准确测量和识别结构的模态参数,这在目前还存在很大困难。此外,结构模态参数的识别多是基于线弹性振动的假设,会不可避免地过滤掉重要的非线性振动现象。这使得其在螺栓连接状态监测上存在先天不足[5 − 6]。
基于阻抗的方法是比较结构监测状态与基准状态下的高频段阻抗谱,判别螺栓连接的损伤程度。自Sun等[7]首次提出应用压电阻抗方法监测桁架结构的节点状态以来,不少学者研究了基于该方法的螺栓连接状态的监测和辨识[8 − 10]。……
登录APP查看全文
