基于IPSO—BP神经网络的结构损伤识别

为了准确评估结构健康状况．将改进的粒子群算法与BP算法有机结合来训练人工神经网络,并用于结构损伤识别．以国际结构控制协会与美国土木工程学会（IASC-ASCE）提出的健康监测第二阶段Benchmark模型结构为例．对4种不同损伤模式进行了损伤定位．研究结果表明,在模型误差、测量噪声等因素的影响下,该方法能够取得令人满意的损伤识别结果．     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

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。     

设备与结构故障智能诊断研究

综述了近年来人工神经网络技术在机械设备故障诊断和结构损伤识别中应用的主要研究成果。分析了神经网络在故障诊断中存在的问题和改进方法,总结了基于神经网络的结构损伤识别中各种输入参数的选取及其优缺点,对基于神经网络的智能诊断的发展趋势进行了展望。     

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-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神经网络 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。     

建筑结构损伤的灰色网络识别研究

利用神经网络的高度并行运算功能,将灰色关联度分析和人工神经网络技术相结合,以反映结构损伤程度的敏感参数固有频率作为结构损伤识别的特征参数,建立了建筑结构损伤灰色网络识别系统．利用该系统对钢梁裂纹损伤位置和程度进行了识别分析,从中可以看出利用此方法是可行的,且计算简单,准确度高．     

基于并行遗传算法的结构损伤检测研究

随着我国土木工程的不断发展,结构损伤的探测问题成为近年来研究的热点,基于模型法进行结构损伤识别仅局限于非线性最优问题,通常得到的是局部最小值。遗传算法是在结构损伤识别方面有很好的运算优势,它具有良好的全局优化性能和稳健性。但是,当遗传算法计算复杂的目标函数时运算速度较慢。并行遗传算法由此应运而生,它不但运算速度快而且在相同条件下可以得到更优解。用实编码并行遗传算法来进行结构损伤识别,用一个预应力简直梁来进行数值模拟,结果表明,此方法不但能对结构损伤进行定位、定量计算,而且运算速度较遗传算法快。     

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。     

基准结构自振频率的人工神经网络识别

针对美国IASC-ASCE的结构健康监测科研组提出的基准结构进行结构自振频率识别研究.神经网络训练时使用的数据为有限元程序计算所得出,将有损伤结构在环境激励下某点的加速度响应,通过快速傅立叶变换得到的离散频率响应函数作为神经网络的输入;将损伤结构的自振频率作为神经网络的输出.通过对在不同噪声水平下训练的神经网络的识别结果进行分析比较,结果表明:应用人工神经网络进行结构自振频率识别是切实可行的.     

小波分析在土木工程结构健康监测系统中的应用研究

利用小波分析多分辨率的特点对结构损伤进行在线检测,判定结构损伤位置。在阐述了土木工程结构健康监测系统的组成、监测内容模块的功能及其特点和小波分析进行损伤识别的原理以及结构损伤的多尺度分析的基础上,通过对单层混凝土结构实验台的加速度信号进行小波分析,得到结构损伤的时刻,通过研究信号小波变换的尺度函数确定了损伤的位置,试验表明,该方法具有一定的实用价值。     

动力作用下桥梁损伤识别技术研究

本文针对目前在役桥梁存在的种种安全隐患,展开桥梁性能检测和损伤识别技术的研究,以随时了解桥梁的结构性能和安全情况,避免灾难性事故的发生。探讨了遗传算法优化的神经网络在桥梁结构损伤检测中的应用。基于遗传算法优化的一种有效的结构损伤检测,建立评估钢筋锈蚀程度的人工神经网络模型。选择对结构损伤较为敏感的参数作为网络的输入向量,结构的损伤状态作为网络的输出向量,建立损伤训练样本集,利用遗传算法优化神经网络的权值和阈值,进而预测结构损伤程度。     

浅议土木结构损伤及其诊断方法

本文阐述了土木工程结构中的重要性,在综述结构损伤诊断研究现状的基础上,介绍了用于土木工程结构的各种损伤诊断方法,并对相关问题进行了讨论和评述,最后希望通过本文的讨论能够给从事土木工程的人员提供一点参考.     

未知外部荷载下结构的在线损伤诊断

结构在线损伤诊断是目前土木工程界关注的热点问题之一.针对该问题进行研究,根据部分观测的结构加速度响应信号,基于扩展卡尔曼预测和优化函数对结构进行在线的物理参数识别及结构刚度突变的追踪,同时利用最小二乘识别未知外部荷载.数值算例表明,本文提出的算法能够较准确地识别系统参数和未知外部荷载,并且判断结构刚度损伤发生的时刻、位置和程度,且具有一定的抗噪性.     

Benchmark模型结构两阶段损伤诊断

为准确地评估结构健康状况,提出了一种基于结构振动特性的两阶段损伤诊断方法。由归一化的损伤指标确定可能出现损伤的单元位置,采用二阶特征灵敏度分析法确定可能损伤单元的损伤程度。考虑3种对称损伤模式和1种非对称损伤模式,对由国际结构控制协会与美国土木工程学会(IA SC-A SCE)提出的健康监测B enchm ark模型结构第二阶段有斜撑的情况进行模拟分析。结果表明:该方法能够有效地识别出结构损伤单元的位置与严重程度。     

基于特征灵敏度的Benchmark结构损伤诊断

为准确地评估结构的健康状况,提出了一种两阶段损伤诊断方法.引入柔度差值斜率的概念确定结构可能出现损伤单元的位置,采用基于二阶特征灵敏度的方法确定可能损伤单元的损伤程度.应用该方法对由国际结构控制协会与美国土木工程学会(IASC-ASCE)提出的健康监测Benchmark结构进行了分析.结果表明,两阶段损伤诊断方法能够准确地定出可能损伤单元的位置与损伤程度,识别结果与真实的损伤接近,说明该诊断方法是有效的.     

基于无线传感器网络的轨道交通结构健康监测系统

随着使用时间的推移,由于环境荷载的作用、疲劳效应以及腐蚀和材料老化等不利因素的影响,轨道交通中的土木工程和重大基础设施的结构不可避免地会产生损伤积累和抗力衰减。采用应变片采集结构应变信号,利用CC2530模块构建基于Zig Bee协议的无线传感器网络,并通过Matlab开发上位机程序,构建结构健康监测系统。在对有机玻璃材料制成的悬臂梁进行测试后发现,通过对应变数据的直接观测可以得到结构当前的荷载状况,实现过载警报识别;通过对应变数据的频域转换可以得到结构振动的固有频率,实现损伤识别。     

基于附加质量的梁损伤识别影响因素分析

为了提高基于附加质量的梁结构损伤识别精度,对附加质量影响因素进行了综合分析。根据梁结构损伤识别的附加质量法,建立梁结构有限元模型,并计算其损伤部位以及损伤程度,同时研究附加质量的大小、数目及位置对结构损伤识别的影响。在验证附加质量法对梁结构损伤识别有效性的基础上,采用不同的质量块附加在梁结构的不同位置进行损伤识别,由得到的损伤识别结果计算损伤识别误差。研究结果表明:附加质量后损伤识别精度有较大提升,有效降低了识别误差;随着损伤程度的增加,识别误差在逐渐增大,附加质量法对小损伤具有较好的识别效果;附加质量的大小和数目是提高梁结构损伤识别精度的主要因素,附加质量的位置对损伤识别结果的影响也不容忽视。     

无损检测技术在土木工程中的应用

结构的无损检测是土木工程研究的新课题,它可以评价构件的允许负荷以及寿命或剩余寿命;检测在制造过程中产生的结构不完整性及缺陷情况;可以有效地防止建筑物的突然破坏。研究人员通过研究用于结构损伤识别的多传感器信息融合技术、神经网络技术、负荷响应技术、非接触超声换能技术等无损检测技术,对无损检测技术的未来发展进行了展望。     

结构缺损位置识别

应用小波分析理论对缺损结构信号进行处理，并由此形成人工神经网络的训练样本，进而用人工神经网络对结构缺损位置进行识别．本方法亦适用于其它机械故障的检测问题．     

基于振动特性的损伤识别方法的研究进展

对基于振动特性的损伤识别方法做了比较详细的综述.介绍了基于振动特性的损伤识别技术的基本问题及其在土木工程中应用的历史发展与现状,并对有关方法进行了总结和评述.最后指出了基于振动特性的损伤识别方法还需要进一步解决的问题.