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。     

基于曲率模态差和小波变换的网架损伤识别

采用一种基于曲率模态差和小波变换的损伤位置识别方法,对网架结构中常见的正放四角锥网架、两向正交正放网架、两向正交斜放网架、三向网架和蜂窝型三角锥网架进行了损伤识别,以结构损伤前后的曲率模态差作为小波变换的分析信号,对其进行db3连续和离散小波变换,确定杆件损伤位置。数值分析结果表明,在仅测得一阶模态的情况下,应用曲率模态差和小波变换相结合的方法可以对网架的单个损伤位置和多个损伤位置进行有效识别。     

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.     

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.     

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.     

利用应变模态差识别弯管内部损伤

为研究利用应变模态差识别弯管内部损伤的方法,以损伤前、后的应变模态差作为弯管损伤识别的损伤指标对其展开研究.首先,基于位移模态和应变模态的模态叠加特性和正交性推导了应变模态差公式;其次,利用有限元软件ABAQUS建立不同工况的弯管简化模型进行数值模拟.处理分析得到应变模态差曲线,以此判断损伤的存在和位置以及损伤程度.结果表明,通过该损伤指标能很好识别弯管损伤的存在和位置,并能有效地反映其损伤的程度;改变弯管的径厚比和弯曲形式,该指标对弯管损伤识别仍然适用.证明了基于应变模态差的弯管内部损伤识别的可行性.     

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。     

基于振动模态分量的结构损伤定位方法

三维实体结构振动时,结构上的任一点在三维空间各个方向均产生位移分量,振动模态也包含各个方向的模态分量.当结构损伤时这些模态分量会发生变化,但对损伤的敏感程度是不同的.基于这一特点,提出位移模态分量变化率、应变模态分量变化率和第一阶模态下的轴向位移差变化率3种针对三维实体结构的损伤标识量,并通过算例对损伤位置和损伤程度与3种标识量的关系进行计算分析,研究3种标识量对损伤位置的敏感程度.计算实例表明,3种结构损伤标识量都在损伤部位出现尖峰,可以用于损伤定位.3种损伤标识量中,位移模态分量变化率较小,对损伤的敏感程度不高;应变模态分量变化率较大,对损伤的敏感性较高;第一阶模态下的轴向位移差变化率最大,对损伤最敏感.     

基于应变模态法的层合梁的损伤检测研究

结构在建造和服役期间将不可避免出现损伤,发展合适的无损检测方法对其进行检测具有广泛的工程应用价值.基于多自由度振动力学和连续体损伤理论,发展了应变模态法损伤检测理论.通过预置损伤复合材料层合梁的动态加载试验,测得各个测点的应变时程响应,然后利用MATLAB编程对数据进行处理,从而得到结构的损伤应变模态曲线.数据处理结果精确反映了预置结构损伤的位置,由此证明了应变模态法能够应用于复合材料层合梁的损伤定位.最后基于有限元软件ABAQUS,利用连续体损伤理论对损伤纤维金属层合梁的模态进行分析,更进一步验证了当前应变模态法对损伤层合的损伤定位的可靠性.     

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。     

小波奇异性在钢结构损伤检测中的应用

根据小波奇异性检测理论,以应变能的损伤信号为结构损伤指标,分别以悬臂梁结构、平面桁架结构和空间网架结构为例进行数值模拟,将原始损伤信号和经过小波变换后的损伤信号进行对比,结果证明采用该方法不但对单一损伤而且对多损伤均能有效地识别出结构的损伤位置,表明了该方法的可靠性和实用性。     

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．     

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。     

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。     

混凝土冻融损伤特性的神经网络研究

根据连续介质损伤力学理论,将混凝土的冻融损伤定义为抗压强度的劣化;研究在经历不同冻融循环次数后混凝土损伤的演化规律．首次运用RBF神经网络的理论和方法,建立了混凝土在不同冻融循环次数作用下抗压强度劣化的神经网络模型,对混凝土冻融损伤特性进行了研究．本文的工作为复杂应力状态下经受冻融循环作用的普通混凝土的损伤特性提供了一个崭新的研究途径．