基于神经网络的空间桁架结构损伤三重识别

以一72杆空间钢桁架为例进行桁架结构损伤三重识别.考虑单损伤工况与双损伤工况,通过ANSYS软件建模得到结构在无损与损伤工况下的固有频率,运用神经网络进行结构损伤定位与损伤程度确定.首先识别损伤层,然后识别损伤层中的损伤杆件,最后识别损伤杆件的损伤程度.结果表明该方法用于桁架结构损伤识别是可行的.     

结构损伤识别的柔度差值曲率法

简支梁与悬臂梁的多个算例表明：结构损伤识别的柔度差值曲率法仅需低阶的模态参数即可获得很好的损伤识别精度,对于轻微损伤与多处同时损伤的识别也是灵敏可靠的.     

基于单位载荷变形差值曲率的承载钢结构损伤识别

损伤是影响承载钢结构性能最重要的因素,及时、准确地诊断承载钢结构的损伤是保证系统安全可靠的前提。根据模态柔度比固有频率或振型对损伤更敏感的特点,提出了基于柔度矩阵的单位载荷变形差值曲率法识别承载钢结构的损伤。该方法将基于动力的柔度和静力测试中的变形结合起来,以动力测试数据反映结构静力特征的变化,当有损伤或损伤增大的时候,单位载荷变形差值曲率有更明显的变化。首先,建立了低阶的模态观测数据与柔度矩阵的表达式。其次,推导了单位载荷变形与柔度矩阵的关系,结合曲率模态和变形差值的思想,提出了基于单位载荷变形差值曲率识别承载结构损伤的方法。最后,通过对承载钢结构模型的损伤识别得出:该方法所需模态信息量小,只需一阶频率和振型信息即能够准确定位单损伤、两损伤;对于多损伤可以识别,精度有所下降,但基本可以满足工程要求。     

基于柔度差曲率的简支梁损伤识别方法

针对土木工程结构健康监测,介绍了基于模态参数的损伤识别方法,分析依据模态参数获取结构刚度和柔度的条件,说明从一些低阶模态参数就可以获得柔度矩阵的精确估计值.提出一种利用柔度差曲率进行损伤定位与定量的新方法,通过对简支梁在不同损伤情况下的数值模拟验证了该方法的有效性,结果显示该法简单易行,具有一定的工程适用性.     

基于损伤柔度曲率矩阵的人行天桥损伤识别研究

为了研究基于损伤柔度曲率矩阵的损伤识别方法在人行天桥上的适用性,将此方法用于人行天桥模型和实际工程的桥梁结构分析中。通过对人行天桥简支钢箱梁损伤前的完好结构及各类损伤工况下的损伤结构进行数值模拟,得到各工况下的这一损伤识别指标的损伤识别性能,对其进行分析。之后将此方法用于实际的人行天桥动力模态试验中,在随机环境激励的情况下使用动态信号采集分析系统对人行天桥进行动力模态试验。研究发现,损伤柔度曲率矩阵这一指标对于人行天桥具有良好的损伤识别性能,并且其抗噪声能力、微小损伤识别能力以及对于实际工程的适用性能皆有良好表现。     

基于柔度曲率曲线拟合的薄板结构损伤识别研究

提出了基于柔度曲率多项式曲线拟合的损伤识别方法,并用该方法对薄板结构进行损伤研究。采用有限元软件ANSYS进行模态分析,得到损伤薄板的模态振型和固有频率,进而得到X方向和Y方向柔度曲率,然后分别在X方向和Y方向进行多项式曲线拟合。基于拟合值与原始值的差值构造新的损伤指标。数值算例的结果表明,基于柔度曲率多项式曲线拟合的方法相比仅采用柔度曲率矩阵的方法能够更好地进行平板损伤定位,同时相比柔度曲率差等需要结构损伤前后模态数据的损伤识别方法,该方法不需要用到结构损伤前的模态数据,可以运用于难以获得健康结构的模态振型数据的结构损伤识别中。     

基于柔度矩阵的结构损伤识别方法

由于实际工程应用中高阶模态振型及频率较难测量,而柔度矩阵可以从低阶模态参数较精确获得,本文探讨了用柔度法对结构损伤进行识别与定位。通过对一简支梁的损伤数值模拟,采用低阶模态参数构建的柔度损伤标识量来进行损伤识别,计算结果表明:采用结构的柔度曲率对梁的损伤位置识别,既对损伤反应较敏感又可避免使用损伤前结构的模态参数;柔度曲率差值对结构损伤识别有较高的灵敏度,是较理想的损伤标识量。     

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.     

钢桁架结构损伤检测的柔度曲率幅值突变系数法

为了对钢桁架结构的损伤情况进行比较准确的检测,应用了柔度曲率幅值突变系数法.首先应用ANSYS对钢桁架结构的单个或多个损伤同时出现的情况进行了数值模拟,然后用一个钢桁架模型对ANSYS的计算结构进行实验验证.数值模拟的结果表明:用柔度曲率幅值突变系数法可以对钢桁架结构单个或多个结构同时出现的情况进行比较准确的判定.实验结果与数值模拟结果基本吻合.     

基于影响线多源信息融合的悬索桥损伤识别

为了精确识别悬索桥结构构件的损伤位置及程度,建立悬索桥空间结构有限元模型,通过模拟准静态加载提取并分析结构的位移、应力影响线,并构建了影响线曲率差指标,通过提取结构振型与频率,构建悬索桥结构柔度矩阵,并构造柔度曲率差变化率指标,用于悬索桥结构构件损伤识别。基于Dempster-Shafer证据理论融合影响线与柔度指标,对模型中纵向下弦杆、纵向斜腹杆和吊杆的不同位置与程度损伤进行识别敏感性研究。研究表明,柔度曲率差变化率损伤识别指标比影响线损伤识别指标对悬索桥构件损伤更为敏感,信息融合指标比单一损伤识别指标损伤定位精度更高,且具有较好的噪声鲁棒性。     

基于模型嵌入循环神经网络的损伤识别方法

目前,绝大多数基于深度学习的结构损伤识别方法依靠深度神经网络自动提取结构的损伤敏感特征,并通过损伤状态之间特征的差异实现模式分类识别.然而,这些方法面临着损伤量化难度大的挑战,并且需要大量的模型训练数据.本文提出基于模型嵌入循环神经网络（Model-Embedding Recurrent Neural Network,MERNN）的损伤识别方法.首先,通过数据驱动的卷积神经网络（Convolutional Neural Network,CNN）建立荷载-响应之间的映射关系,然后,利用龙格库塔法改进传统的循环神经网络,建立基于循环神经网络架构的数值计算单元.最后,基于结构响应计算值与实测响应残差构成的损失函数与神经网络的自动微分机制来实现结构刚度参数的更新,进而实现结构损伤识别.数值模拟框架与实验室的3层剪切型框架的损伤识别结果表明,本文提出的方法能基于少量响应数据准确量化结构损伤.     

简支T梁损伤识别方法的研究

通过ANSYS建立混凝土简支T梁有限元模型,分析模型在不同损伤工况条件下,以柔度曲率差和动态响应二阶导数差这两种方法,对结构的损伤识别的效果;柔度曲率差在识别损伤的具体位置时精确性更高,但对未损伤位置的影响程度敏感性不大;动态响应二阶导数差对损伤程度灵敏度很高,但对具体位置的识别效果不是很好,因此将两种方法结合起来使用,可以更好地检测识别结构的损伤情况。     

基于径向基函数神经网络的斜拉桥损伤识别

为寻求桥梁结构自动损伤识别的方法，利用径向基函数（RBF）神经网络对某斜拉桥进行了损伤识别研究。分别采用了频率、振型模态、曲率模态3种指标作为网络的输入参数，考虑1根斜拉索损伤、2根斜拉索损伤及3根斜拉索损伤的三类工况，提出了损伤位置识别判断准则及识别效果评价指标。研究表明，径向基函数神经网络对斜拉桥的损伤位置和损伤程度能进行有效识别，构造样本和选择损伤指标是今后的研究方向。     

基于PSO的结构损伤检测应用研究

建筑结构损伤前后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BP神经网络的输入参数.针对BP梯度下降算法导致的收敛速度慢和易陷入局部最小的缺点,引入粒子群演化(PSO)算法来优化神经网络各层间的连接权值.首先通过有限元法提取结构固有频率的变化,结合PSO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,PSO的引入,相较于单纯的BP算法,该方法在结构损伤检测中取得更优的识别效果.     

基于神经网络对光纤智能结构的损伤评估

文章提出了由神经网络对光纤智能结构信号处理的方法,基于光纤智能材料与结构中的损伤估计,以及对光纤阵列传感信号处理的需要,给出了Kohonon网络模型,最后根据Kohonon网络的自组织网络对光纤智能结构进行了损伤估计。     

变几何桁架机构位置分析的神经网络超混沌法研究

自然科学与工程中的许多问题都可以转化为非线性方程组的求解问题,牛顿迭代法是重要的一维及多维的迭代技术,其迭代本身对初始点非常敏感.通过消除暂态混沌神经元的模拟退火策略,产生了一种可以永久保持混沌搜索的混沌神经元,研究了由4个该混沌神经元全连接的混沌神经网络的拓扑结构,混沌神经网络中存在超混沌现象(具有3个正的李氏指数).应用神经网络超混沌系统产生牛顿迭代法的初始点,提出了基于神经网络超混沌的牛顿迭代法求解非线性方程组的新方法.变几何桁架机构综合实例表明该方法的正确性与有效性.图3,表1,参14.     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

基于入侵检测的BP网络算法

阐述了入侵检测技术的发展与现状,对目前所采用的入侵检测技术及其特点进行了分析比较,探讨了将神经网络应用于网络入侵检测的可行性.结合网络入侵和主机入侵方面的检测能力,构建了基于智能体的分布式入侵检测系统的体系结构模型.重点讨论了神经网络入侵检测算法,提出了较优的变速度回归神经网络检测算法.     

运用概率神经网络对混凝土拱坝进行损伤位置的识别

大型水利工程的灾难性事故多由大坝的微小裂缝发展而成,在运行期间对混凝土坝的裂缝进行监测十分重要.提出了基于振动测试数据用概率神经网络对混凝土拱坝进行损伤检测,并针对一混凝土拱坝进行损伤识别的数值模拟分析,结果表明基于振动测试数据利用概率神经网络识别混凝土拱坝的损伤位置是可行的.