神经网络法在定量损伤识别研究中的应用

为了探索一种可能的结构损伤在线监测方法,使结构损伤动力识别的研究更具工程实际意义,以工程上常用的截面开口槽形梁为试件,用试验模态分析与神经网络法相结合的方法,研究了位移频响函数指标、应变频响函数指标和模态频率指标在结构损伤定量辨识中的灵敏性。结果证明了神经网络法与试验模态分析技术相结合检测结构损伤的可行性,并指出应变指标对损伤更敏感。此外,指出了对于具有复杂模态的结构无法获取模态的完善信息时,用有限个点、有限个方向的测量数据进行损伤识别是可行的。     

基于模态应变能的不同损伤指标对比

为解决工程结构的多损伤识别问题,对基于模态应变能的不同损伤指标方法进行了对比分析和研究。首先,描述了3种损伤指标,即模态应变能变化指标( MSECI)、模态应变能耗散率指标( MSECRI)和模态应变能基指标( MSEBI);然后借鉴模态应变能耗散率指标的建立原理,通过对刚度矩阵的修正,建立相应的能量等效方程,并提取了一种模态应变能等效指标( MSEEI );最后对4种应变能损伤指标进行了对比研究,并考虑了测量噪声的影响。数值仿真结果表明,模态应变能基指标可以较好地识别结构的损伤位置,模态应变能等效指标则不仅可以有效地识别结构的损伤位置,而且可以较为精确地识别结构的损伤程度。     

基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

基于两步小波变换的管道损伤识别

鉴于信号提取位置的不确定性,研究了信号提取位置对损伤识别的影响.对管道进行数值模拟,提取前两阶径向和切向位移模态.对轴向节点的径向位移模态进行小波变换,小波系数的模极大值反映了损伤的轴向位置;继续对环向节点的切向模态进行小波变换,通过模极大值来识别环向损伤位置;最后讨论了轴向损伤处节点径向位移的小波系数模极大值变化规律.结果表明:两步法可以有效识别损伤位置,轴向位置不含损伤时位移模态的小波系数能显示损伤的轴向位置但小波系数有所减少.     

基于改进均匀设计表框架结构损伤识别方法与实验验证

为对框架结构柱破坏进行无损识别,提出一种基于改进均匀设计表确定结构损伤样本数据库,使用神经网络与平面单元模态应变能变化率进行损伤定位和程度识别的方法。提出应用正交设计优化均匀设计,以解决均匀设计试验点过少的缺陷。该方法以平面单元模态应变能变化率作为损伤指标,采用改进均匀设计表,选择具有代表性的损伤工况作为广义回归神经网络(general regression neural network,GRNN)的训练样本,对损伤位置进行识别;在确定损伤位置的前提下,利用径向基(radical basis function,RBF)神经网络对损伤程度进行识别。通过分步方法确定框架柱构件的损伤位置与损伤程度。数值模拟与试验验证了所提出方法的有效性。平面单元模态应变能变化率识别指标克服了空间结构模态振型不完备的缺陷,两步识别法避免神经网络训练时不收敛、趋于局部最小值等缺陷。该方法可用于框架结构柱损伤的位置确定和损伤程度识别。     

基于深度学习的框架结构损伤识别研究

卷积神经网络模型和长短期记忆网络模型是两种应用广泛的深度学习网络模型,为探究两种模型在结构损伤识别应用中的效果,采用两种网络模型对钢框架结构的损伤识别进行研究.以3层框架结构为例,选用削减单元自身动力特性后的模态应变能差作为损伤指标,分别输入到两种神经网络模型中,对梁柱单元的损伤程度识别和损伤位置识别进行分析.结果表明：两种网络模型均能很快掌握结构单元的动力特性,在学习了框架结构的模态特征后,均能够精准地识别出损伤单元的位置,同时能较为准确地预测出单元的损伤程度,验证了两种网络模型在以模态应变能差为指标的损伤识别中具有较好的适用性.对比两种网络模型的表现,发现卷积神经网络具有较高的训练效率和较好的泛化性能.     

基于曲率模态和神经网络的分步损伤识别法及其在桥梁结构中的应用

神经网络用于损伤识别遇到的最大问题就是训练样本数量的组合爆炸问题,单纯用神经网络进行损伤诊断有很大困难．提出了一种两步识别法来进行损伤诊断,即先采用结构的曲率模态,定义一个新的损伤指标,判断损伤位置,再利用BP神经网络精确识别损伤程度;运用两步识别法对一座混凝土连续刚构桥进行了损伤位置与损伤程度的识别．识别结果表明,对于2个单元和3个单元损伤的情况,分别只需16个和64个损伤样本就能取得满意的识别结果,大大减少了单纯利用神经网络进行损伤识别所需的损伤样本．     

曲率模态方法对系杆拱桥的损伤识别

以系杆拱桥为研究对象,利用Midas建立有限元模型,研究系杆拱桥结构的特殊动力特性,并对基于曲率模态分析理论的损伤识别方法进行了探讨,引用平均曲率模态因子指标对系杆拱桥吊杆损伤进行判定,并利用平均曲率模态因子指标对实际已损伤的系杆拱桥测试数据进行分析,通过Matlab程序实现识别算法并获得识别参数,利用绘图软件强大的绘图能力绘制参数变化图,根据参数变化图判定实际系杆拱桥的损伤是否存在及损伤位置,验证平均曲率模态因子指标在实际系杆拱桥损伤识别中运用的可行性及适用性.研究表明:当系杆拱桥出现损伤时,已损伤位置平均曲率模态因子曲线会发生突变,运用平均曲率模态因子指标可以较好判定实际系杆拱桥的损伤位置,初步判定结构的相对损伤程度,在实际系杆拱桥的损伤识别中具有一定的应用价值.     

损伤定位中应变模态指标的改进研究

由于传统的应变模态差指标峰值大小随损伤程度而变化,在利用应变模态差指标作为神经网络输入来识别损伤位置时,就很可能产生误判,为消除损伤程度对应变模态差指标的影响,对应变模态差指标进行改进,给予理论证明,并通过悬臂梁数值仿真算例进行验证.验证结果表明,所建议的改进方法指标与理论研究一致.     

曲率模态及其在汽车后桥损伤识别中的应用

引入曲率模态分析方法,以某轿车后桥为研究对象,通过试验模态分析获得损伤前后结构模态参数,计算曲率模态,选取平均曲率模态绝对差作为指标,对轿车后桥进行损伤识别.结果表明,该方法对结构局部变化敏感,可以识别损伤位置及损伤程度,为车辆结构件损伤识别提供了一种可行的研究方法.     

基于曲率模态和神经网络的结构损伤识别与仿真

探讨用曲率模态和神经网络对混凝土结构裂缝进行损伤识别和定位的方法.以一矩形截面悬臂梁为研究对象,通过完好结构和损伤结构的有限元分析,获得损伤标识量,输入Elman神经网络进行训练,以损伤位置和损伤程度作为网络的输出参数,进行单处损伤和多处损伤的定位研究.数值仿真结果表明,曲率模态振型对结构的损伤敏感,采用曲率模态和神经网络结合的方法可以同时确定结构损伤的存在、程度和位置,并且可以用于结构多处损伤的检测.该方法对于实际工程结构的损伤识别具有一定的指导意义.     

悬索桥的损伤识别

讨论了悬索桥加劲梁的累积损伤识别。识别基于比较完好桥的初始指纹与损伤后的指纹。使用了三个基于ＦＲＦ的波形识别指标：ＷＣＣ,ＩＡＴＭ,ＩＳＡＣ与三个基于振型的识别指标：ＩＣＯＭＡＣ,柔度,和曲率模态,作为指纹来识别悬索桥加劲梁的模拟损伤,并比较了他们的识别能力。结果表明：ＩＡＴＭ和ＷＣＣ识别损伤的能力优于ＩＳＡＣ,但都不能定位损伤;柔度和曲率模态识别能力优于ＩＣＯＭＡＣ,并可以定位损伤。本文还发现应变模态具有较好的损伤识别能力。柔度、曲率和应变模态可用于安全监测系统。     

混凝土斜拉桥结构健康状态评估模型

基于青岛丹山水库混凝土斜拉桥，建立了斜拉桥有限元数值分析模型，确定桥梁受损后各子结构权重，选择典型斜拉索，对桥梁结构健康状态进行分析。首先运用通用结构分析软件对实桥建模，得到桥梁数值模拟试验模型及试验数据；再用正交试验选择典型斜拉索，大大减少了对桥梁分析计算的工作量；将桥梁分为3个子结构，用层次分析法确定各子结构权重，并建立了混凝土斜拉桥结构健康状态评估模型。结果表明，该模型能有效地对桥梁进行损伤评估和状态评估。     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...     

曲率模态理论在桥梁损伤诊断中的应用研究

在曲率模态理论基础上,建立一连续桥梁有限元模型,通过计算研究了桥梁损伤的结构动态响应特点,验证了曲率模态对桥梁结构整体损伤、局部损伤都有较好的敏感性,其结论可为实际公路桥梁损伤诊断提供参考。     

桥梁的损伤识别

现在很多桥梁都安装了监测系统 ,自动损伤识别是桥梁健康监测系统的核心技术和热点研究问题。文章介绍了几种桥梁损伤的识别方法 ,包括动态法、静态法、有模型法、无模型法、位移法、应变法以及 BP和 RBF神经网络法的比较。目前健康监测系统尚不具备损伤识别能力。如何设计一个高效的用于结构损伤识别的自动损伤识别系统 ,是个值得研究的问题     

基于单元应变模态差和RBF神经网络的网架损伤检测方法

为对网架进行损伤检测提出应用杆单元应变模态差和RBF神经网络相结合的方法。在ANSYS下建立正放四角锥网架和蜂窝形三角锥网架的有限元模型,采用单元应变模态差作为损伤指标对结构进行杆单元的单杆、多杆损伤位置识别;应用RBF神经网络对杆单元损伤程度进行定量判定。分析结果表明该方法可以比较准确地判断网架杆单元的损伤位置和损伤程度,并对实际网架结构的损伤检测具有一定的指导意义。     

一类非线性系统的RBF神经网络滑模控制及应用

针对一类模型不精确的非线性系统,提出了一种RBF神经网络与滑模控制策略。RBF神经网络在一定条件下可以任意精度逼近非线性函数,且具有较强的自学习、自适应和组织能力。因此,将其与滑模变结构控制策略相结合,应用于非线性系统中。实验结果表明:其克服了传统滑模变结构控制中的振颤问题,同时,继承了滑模变结构控制所具有的快速性能好、鲁棒性强和抗干扰性能优良的特点。     

桥梁预警系统中两种损伤识别方法的对比分析

损伤识别技术是桥梁安全预警系统中的关键内容,损伤识别的方法还决定着整个系统的工作性能。通过对连续箱梁桥的仿真分析,从对损伤的灵敏性、定位的准确性以及对测试误差的抗干扰性三个方面出发,结合理论设定不同的工况对曲率模态法和柔度矩阵法进行综合的对比分析,研究了曲率模态法和柔度矩阵法在桥梁安全预警系统中的适用性问题,为桥梁安全预警系统中损伤识别方法的选择提供了依据。