运用神经网络技术对悬臂结构损伤度检测的研究

文中主要阐述运用模态分析技术和神经网络方法结合进行损伤度检测的研究,用损伤后悬臂板刚度的衰减来定义损伤度,对已经测出损伤位置的悬臂板进行损伤度的检测,从而验证神经网络检测损伤度的正确性。     

考虑轮迹横向分布的钢箱梁桥面板U肋处受力与疲劳分析

为研究轮迹横向分布对钢桥面板受力与疲劳性能的影响,本研究基于有限元理论建立悬索桥钢桥面板有限元模型,得到不同轮载作用下、不同参数构造的钢桥面板细节的等效应力,并计算其疲劳损伤度;通过数学方法建立车辆轮迹分布模型,确定轮迹在车道不同位置的分布概率,从而提出一种考虑轮迹横向分布的疲劳损伤计算方法。结果表明:U肋与横隔板连接处的应力幅受轮迹横向分布的影响范围较小,约为1.5 m,不必考虑多车效应;U肋与横隔板厚度的增加能改善研究部位的受力性能;U肋腹板处的损伤相对较小,靠近顶板部位、腹板与底板连接部位的损伤较为严重;考虑车辆轮迹分布后的疲劳损伤度下降了74%,因此考虑车辆轮迹的位置可以提高疲劳损伤评估的精确度。     

桥面铺装温度对正交异性钢桥面板疲劳的影响

通过带桥面铺装的正交异性钢桥面板足尺模型疲劳试验,实测了不同桥面铺装温度条件下钢桥面板的受力,分析了桥面铺装温度对钢桥面板疲劳损伤度的影响.结果表明:沥青混合料钢桥面铺装刚度随着温度升高迅速降低,导致铺装层下的正交异性钢桥面板受力迅速增加;在相同的荷载条件下,高温(55℃)条件下钢桥面板疲劳损伤度约为常温(10℃)的21倍.     

基于神经网络技术的结构损伤探测

理论分析表明，工程结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息，在此理论基础上，构造了改进型BP神经网络的输入参数，分别对一个框架模型和一个桁架模型进行了损伤数值模拟计算，首先提取结构固有频率的变化，对神经网络进行训练，然后分别对结构的损伤位置和损伤程度进行识别，计算分析结果表明，该方法在结构损伤检测中具有较好的识别效果。     

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.     

基于神经网络技术的结构损伤检测与应用研究

本论文主要对基于神经网络技术的结构损伤检测理论进行了研究,并确定了结构损伤的位置与程度。对一个选悬臂板模型的损伤状况进行了数值模拟分析,并采取合适的方法构造改进型BP神经网络的输入参数,应用训练后的神经网络对结构进行了损伤检测。结果表明,该方法有效,可靠。     

基于BP神经网络的结构损伤检测

介绍了BP神经网络的学习算法,通过对一个钢筋混凝土简支梁模型进行了损伤数值模拟,提取固有频率作为BP神经网络的输入参数,并应用简支梁损伤前后的数据输入训练好的神经网络来判断结构损伤。检测表明,该方法在结构损伤检测中具有较好的应用前景。     

高强混凝土的连续损伤本构模型研究

基于高强混凝土的拉伸应力与应变全曲线及其特征点相对应参数，建立了拉伸损伤本构模型；通过理论分析提出了高强混凝土在二向与三向应力状态下拉、压两类损伤时的损伤耦合模型；根据混凝土结构总是拉裂破坏的事实，提出了用拉应变与损伤度双参量描述的损伤断裂准则，具有重要实用价值     

剪切型框架结构损伤的两步检测方法

针对剪切型框架结构提出了分步损伤检测的方法．通过包含较大测量误差的结构一阶振型斜率的变化来判别损伤位置，损伤位置的判别可大大减少待识别参数的数量．理论推导证明，当剪切型框架结构发生损伤时，损伤单元振型斜率的变化大于零，由此可判别损伤位置．在判别出损伤位置的基础上，利用能够较准确获得的结构前几阶固有频率作为神经网络的输入，建立损伤程度识别神经网络，进行结构损伤程度的识别．数值分析表明，该方法能够有效实现剪切型框架结构的损伤检测，并具有很高的计算效率和计算精度．     

预应力损伤混凝土介质中波的传播

研究了波在损伤预应力混凝土介质中的传播理论,结合实验求得伴随预应力所产生的损伤,并考虑各种其它因素引起的局部损伤的影响,对不同损伤度或不同预应力区域进行分区处理,建立波动方程式并求解．在实例计算分析中,考虑损伤度一定的情况下,求出了预应力对波传播的影响曲线;考虑预应力一定的情况下,求出了不同的损伤度对波传播的影响曲线．同时还分析了局部损伤的区域大小对波传播的影响,得到了损伤、预应力各种参数与波传播之间的定量关系,为无损检测提供依据。     

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。     

基于神经网络的简支梁损伤检测研究

理论分析表明结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息,在此理论基础上。对一个简支梁模型进行了损伤数值模拟。提取固有频率的变化并采取合适的方法构造改进型BP神经网络的输入参数,并应用简支梁损伤前后的模态实验数据输入训练好的神经网络来判断结构损伤,检测表明。该方法在结构损伤检测中具有较好的应用前景。     

遗传算法-神经网络方法的结构损伤识别

应用人工神经网络技术，提取结构的固有频率的变化为特征参数，建立结构损伤识别模型，提出用遗传算法来调整神经网络的权值，并对一个框架模型进行了损伤数值模拟计算，即基于遗传算法一神经网络方法的结构损伤识别的研究。该方法弥补了传统的种经网络BP网络收敛速度慢，易陷入局部极小点等缺陷．结构表明，该方法具有收敛速度快和识别精度高的特点。     

基于神经网络的建筑结构节点损伤识别方法

将建筑结构节点损伤识别反问题归结为优化问题，然后用LM人工神经网络来求解．对建筑结构中某些点的垂直位移进行静态测量，用以确定建筑结构中受损伤节点的位置．同经典的优化方法相比，人工神经网络具有全局收敛性．利用神经网络对受损建筑结构节点的位置进行识别是一种可行的方法．数值模拟结果表明，采用Levenberg-Marquardt法训练的神经网络进行结构损伤识别具有较快的收敛速度和较高的识别精度，并且具有良好的鲁棒性。     

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。     

混凝土介质中瞬态波场的损伤反演

在长期荷载作用下混凝土结构中会存在损伤，利用波传播理论，采用脉冲谱技术并结合正则化思想，针对几种典型损伤模型，在瞬态波场中对损伤进行了反演的数值模拟计算，考虑先验信息使反演结果得到明显改进，并得到了与真值较为吻合的损伤度及其分布的反演结果。     

基于概率神经网络的悬索桥损伤定位研究

概率神经网络(下称PNN)以贝叶斯概率方法描述测量数据,因而PNN可以在有噪声情况下进行结构损伤检测·提出了运用传统PNN和自适应PNN进行结构损伤检测的方法与基本原理,并分别用两种PNN模型进行了悬索桥的损伤定位研究,还讨论了测量噪声对识别精度(IA)的影响·研究发现,运用自适应PNN进行损伤定位效果极大地优于传统PNN,且随着噪声程度的增大,IA减少     

基于应力损伤的电力机车传动系统损伤度模型

参照现有机械结构应力损伤基本原理,分析电力机车传动系统设备故障的本质原因,提出一种基于应力分析的电力机车传动系统损伤度模型.该模型采用迈因纳准则和可靠性原理,对电力机车传动系统设备进行大修期限估算,计算出各个关键设备的损伤度,从而估算出电力机车传动系统的大修期限.     

基于小波变换与神经网络的结构损伤检测

对BP网络和小波分析理论做了简要的概述,并给出了其应用于结构损伤检测的方法．将固有频率进行归一化处理,作为神经网络的输入参数进行结构损伤位置的检测,然后利用小波包技术对损伤结构的振动信号进行分解,求出各频带内的能量作为网络输入参数,进行损伤程度的评估,悬臂梁损伤诊断与实际损伤情况比较结果表明,该方法合理、有效,可用于实际结构的损伤检测。     

基于振动模态小波变换模极大的结构损伤检测

给出了将小波奇异性检测原理应用于结构损伤检测的方法:对结构的模态振型进行离散小波变换,根据小波变换模极大诊断结构的损伤位置;利用BP神经网络模拟多个尺度下小波变换模极大与损伤程度之间的非线性关系,根据网络的输出诊断结构的损伤程度.为了检验该方法的有效性,以某简支梁损伤检测为例进行了数值模拟,结果表明,利用离散小波进行结构损伤检测,无需计算Lipschitz指数,而且精度可满足工程要求.