不同输入参数对节点损伤识别影响的分析

基于BP神经网络的节点损伤识别方法受到了许多学者关注,而选择合适的输入参数非常关键。为了克服单一参数的不足,应用一种由正则化的频率变化率与少数模态分量合成的组合参数作为改进的BP神经网络的输入参数。通过数值分析,比较单一输入参数网络和组合输入参数网络的测试结果,从而证明了所提方法的可行性和有效性。     

神经网络与系统识别

一个控制系统或其一部分常被看作从一个特殊空间到另一个特殊空间的非线性映射,因比系统识别就成为研究非线性映的近似逼近。本文用仿射基神经网络和经向基神经网络识别系统中的逼近问题,研究神经网络的理论及神经网络在系统识别中的应用。     

基于有限元模型和模态参数的损伤识别

本文从特征值问题出发，结合结构系统的有限单元模型并引入单元损伤因子，导出了求解单元损伤因子的方程，从而可以确定结构的损伤位置和损伤程度。利用简支梁进行了数值模拟，建立了简支梁的有限单元模型，用不同单元弹性模量的降低来模拟各种不同的损伤工况，并对每种工况进行了损伤位置和损伤程度识别，数值模拟结果同实际情况吻合很好。     

考虑环境因素影响的动态法桥梁损伤识别

如何考虑因环境条件变化而引起的结构动力特性的变异性是动态法桥梁损伤识别中的一个难点.文中利用非线性主成分分析技术,提出一种新的桥梁结构损伤识别方法.首先通过构建自联想神经网络对无损结构在不同环境条件下识别得到的单元刚度样本集作非线性主成分分析,建立反映环境因素影响的非线性变换模式.然后,将未知状态结构在不同环境条件下识别得到的单元刚度样本集输入所构建的网络,通过对网络输出与目标间的网络输出残差作统计分析,实现损伤识别与定位.最后以一座简支梁桥为例进行数值仿真分析,验证了所提出方法的有效性.     

基于神经网络的桁架损伤识别

基于模态振型,提出一个用于结构损伤识别的参数-柔度差值曲率,并将之作为神经网络的输入向量。然后通过ANSYS建立了一个平面桁架结构的数学模型,用有限元分析计算结果作为神经网络的学习样本和测试样本,对不同程度的模拟损伤使用该神经网络进行识别。通过验证,表明该方法用于损伤识别简单有效。     

钢结构损伤识别中Db族小波函数选择

在基于小波分析的结构损伤识别研究中，小波函数的选择是首先要考虑的问题．选取了部分Db（Daubechies Ⅰ）族小波函数，采用小波概率神经网络方法，对一个4层钢框架进行损伤识别研究，探讨了选择不同Db族小波函数对损伤识别结果的影响．研究发现，正则性好、消失矩大等特性的小波函数其损伤识别效果最好．     

基于神经网络的土木工程结构损伤识别研究

本文从土木工程结构损伤识别出发,探索神经网络在土木工程结构损伤识别中的运用。论文首先阐述人工神经网络在土木工程结构损伤识别中应用的可行性,然后具体分析了基于人工神经网络技术的结构损伤识别。     

基于神经网络的结构边界条件识别和损伤诊断

结构边界条件识别和损伤诊断,对于实验室条件下研究结构的动力特性具有重要的实用价值,本文提出了以子网为基础的分区组合式神经网络模型,并以钢筋混凝土梁在静力作用下的挠度作为特征参数,实现了结构的边界条件识别和损伤诊断。     

利用组合模态参数识别结构损伤的神经网络法

采用组合模态参数在有限元模型基础上对结构损伤进行了识别.同时考虑了噪声输入情况下,即存在数据误差时神经网络的损伤识别能力.结果表明,以组合模态参数作为网络输入参数,并通过学习训练所得网络不仅具有理想的损伤识别能力,还具备良好的容错性和鲁棒性.     

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．     

基于小波神经网络的框架结构损伤识别

以含损伤的框架结构为研究对象,对损伤位置和损伤程度进行识别。运用有限元分析原理,采用Lanczos法得到框架结构的转角模态,对其转角模态进行连续小波变换可以得到结构的小波系数,再由小波系数模极大值确定损伤的位置。以损伤后结构的固有频率作为神经网络输入参数构造神经网络,从而实现对框架结构损伤程度的识别。通过对一平面框架结构的损伤识别计算分析,验证了方法的有效性。     

基于光纤光栅和BP神经网络的结构损伤识别

以光纤光栅为传感元件,四边简支板为研究对象,BP神经网络为信号处理手段,研究了光纤光栅传感器和BP神经网络在结构损伤识别中的应用,实验表明,光纤光栅传感器具有灵敏度高、稳定性好的特点,是结构损伤识别中的一种新的信号采集工具。采用光纤光栅作为传感元件,不仅可使BP神经网络成功地实现对四边简支板的损伤识别。而且提高了结构损伤识别的精度。     

基于听觉仿生模型的乐器识别

提出了一个用于乐器识别的听觉仿生系统.该系统基于人类听觉系统中对声源识别起关键作用的耳蜗基底膜、内毛细胞、耳蜗核等部位的生理学功能设计出听觉仿生系统,并对乐器特征进行了提取,进而建立模拟听皮层功能的自组织特征映射神经网络,对构建的由7种乐器243个独奏乐曲样本组成的乐器数据库进行分类识别,乐器识别正确率在75%以上.     

基于人工神经网络的多处损伤加筋板剩余强度预测

用BP神经网络算法对多处损伤加筋板的剩余强度数据进行训练学习,将预测值和3种经典分析方法的计算值与实验值进行对比,结果表明,ANN法预测值与实验值吻合得最好,LMC修正法和WSU3修正法次之,Swift塑性区连通法最差。最后用所建立的BP网络对不同主裂纹半长和韧带长度的剩余强度进行了预测,结果发现,在其他参数不变的情况下,不管是双筋条还是三筋条加筋板,剩余强度总是随主裂纹半长的增加而成线性降低,随韧带长度的增加而成线性增加,但双筋条加筋板比三筋条加筋板对主裂纹半长和韧带长度的变化更加敏感。     

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。     

基于概率理论和AR/GARCH模型的非线性损伤识别

为了解决在不确定因素干扰下的结构非线性损伤识别问题,提出了基于概率理论和自回归/广义自回归条件异方差(AR/GARCH,autoregressive/generalized autoregressive conditional heteroskedasticity)混合模型的非线性损伤识别方法。描述了AR/GARCH模型的组合理论及其相应的组合公式,给出了模型参数估计和定阶方法。利用损伤前后的加速度响应信号构造AR/GARCH模型,并进一步提取出非线性损伤特征因子。采用概率理论和置信区间方法获取相应的损伤存在概率,并建立基于层间刚度的基本概率损伤指标。在此基础上,基于权化技术提出了改进概率损伤指标以提高识别可靠性。数值计算和实验验证结果表明,基于概率理论和AR/GARCH模型的损伤技术可以较好地解决不确定因素干扰下的非线性损伤问题,改进概率指标的识别效果明显优于基本概率指标。     

基于改进的BP神经网络的钢桁梁桥损伤识别

文章对某钢桁梁黄河大桥进行了损伤数值模拟,提取其固有频率作为BP神经网络的输入参数来训练网络,对桥梁整体的损伤进行诊断,并根据实桥损伤诊断的结果提出了一种改进的BP神经网络方法,它能够解决传统BP算法的梯度下降速度,从而提高运算速度,通过自调节保证学习过程中每一时刻具有较大的Sigmoid函数值,避免了局部极小。     

用人工神经网络方法预测中国外债适度规模

研究了中国外债适度规模及相关政策。在中国宏观外债同步时间序列模型基础上 ,建立了用 BP网络替代随机方程的模型 ,并结合求解一般抽象非线性方程组 F(x,y) =0的算法 ,进行仿真研究。样本期模拟检验结果指出 ,有 92 %的变量相对误差小于 5 %。应用该模型对中国外债管理方式(计划管理方式和余额管理方式 )和期限结构进行仿真研究 ,研究结果表明 ,这种研究方法是可行的、有效的。结果指出 :当中长期外债采取计划管理方式时 ,年借入外债量以不超过2 5 0亿美元为宜 ,建议不超过 2 0 0亿美元     

基于HMM／SOFMNN混合模型的语音识别

本文针对传统的基于HMM模型的语音识别效率较低的问题,提出了一种将隐马尔可夫模型(HMM)与自组织特征映射神经网络(SOFMNN)相结合的方法。