基于人工神经网络的钢结构损伤识别

由于神经网络的非线性映射、自适应及自学习的能力已越来越多地用于结构损伤识别中,本文根据网络参数选择的原则建立了一个三层BP神经网络结构损伤识别模型,对一简支钢板进行了分析。为避免单一频率或模态振型作为输入向量带来的误差,选用与损伤位置和程度相关的组合参数：即结构损伤前后的频率变化平方和少点模态振型作为输入参数。利用训练好后的网络对损伤模型进行诊断和预测,取得了较好的效果。     

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。     

基于输出响应的识别结构参数的神经网络方法

讨论了在输入未知时结构模态参数基于频率响应函数的神经网络识别方法 ,并研究了不同的噪声水平和网络输入层结点数目的变化对网络输出误差的影响 .讨论了网络对不同阶数模态参数的识别精度 .数值结果表明该方法是可行的     

框架节点损伤的识别方法分析

为了克服使用单一动态参数的不足,应用改进的BP算法对框架结构节点损伤进行识别,并且选用合理的组合参数(由C、R、NFCR和A四个参数组成的组合参数)作为网络的输入参数,还引入了神经网络的含噪声样本训练技术,以提高神经网络的抗干扰能力。通过对一榀四层钢框架数值模拟和一榀两层的钢框架模型试验模态分析,从而证明本文方法具有一定的工程实用价值。     

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.     

基于曲率模态和BP神经网络的简支梁的损伤识别

通过BP神经网络对简支梁的损伤位置和损伤程度进行了研究。文中首先采用有限元仿真软件ANSYS计算得到不同损伤情况下结构的前两阶固有频率并计算指定点的曲率模态值,并以此为输入参数建立用于识别简支梁损伤的BP网络,最后利用LM算法训练网络来进行损伤检测。结果表明：该方法能有效地对损伤位置及损伤程度进行识别,且对损伤程度进行识别的精确度较高。     

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。     

长输管道悬索跨越结构损伤的试验模拟与识别

结构的损伤会导致结构模态参数的变化,通过获取不同损伤模式下结构的模态参数并经过分析对比,可实现对结构的损伤模式识别.为此,针对咸阳至宝鸡天然气输气管道工程的渭惠渠悬索跨越结构,制作了缩尺比例为1∶8的悬索桥模型结构,针对悬索桥模型结构进行了完好状态和3种基本损伤模式状态下的输入白噪声和地震波的振动试验研究,得到了多组长输管道悬索桥模型结构在完好状态和不同损伤状态下的频率参数;且采用目前广泛应用的神经网络BP网络实现了对长输管道悬索桥完好状态和3种主要损伤模式的识别.     

曲率模态方法对系杆拱桥的损伤识别

以系杆拱桥为研究对象,利用Midas建立有限元模型,研究系杆拱桥结构的特殊动力特性,并对基于曲率模态分析理论的损伤识别方法进行了探讨,引用平均曲率模态因子指标对系杆拱桥吊杆损伤进行判定,并利用平均曲率模态因子指标对实际已损伤的系杆拱桥测试数据进行分析,通过Matlab程序实现识别算法并获得识别参数,利用绘图软件强大的绘图能力绘制参数变化图,根据参数变化图判定实际系杆拱桥的损伤是否存在及损伤位置,验证平均曲率模态因子指标在实际系杆拱桥损伤识别中运用的可行性及适用性.研究表明:当系杆拱桥出现损伤时,已损伤位置平均曲率模态因子曲线会发生突变,运用平均曲率模态因子指标可以较好判定实际系杆拱桥的损伤位置,初步判定结构的相对损伤程度,在实际系杆拱桥的损伤识别中具有一定的应用价值.     

材料光学参数深度剖面重构的神经网络仿真与实验研究

本文主要研究材料光学参数剖面重构的人工神经网络方法,从仿真和实验两个方面验证了神经网络参数识别技术用于实际问题的可行性,运用统计方法和灵敏度分析研究了影响参数剖面重构质量的几个因素。此外,本文还提出了一种训练网络的新方法,即利用奇异值分解获得导热模型的特征向量,利用特征向量的随机组合生成样本训练网络,统计分析结果表明这种方法可有效的提高网络的识别能力。     

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。     

模态参数识别中频响函数估计的最小二乘优化

模态参数识别的精度将会直接影响到机械结构系统动力特性分析的质量,而频响函数的估计精度对模态参数识别精度影响很大.工程中通常借助FFT采用功率谱平均估计频响函数.由于FFT过程中截断及舍入等误差的存在以及噪声的影响不能完全克服,采用此方法估计的频响函数来识别模态参数,其精度受到影响.因此,在分析频响函数的理论值与功率谱平均估计值的误差函数的基础上,应用最小二乘法对频响函数的估计进行优化.通过实测试验对该方法的有效性进行了验证.试验结果表明:采用优化后的频响函数识别的阻尼固有频率和阻尼比比没有优化直接峰值搜索得到的结果更接近真实的结果,该方法能够提高模态参数识别的精度.     

基于FFT和神经网络的复模态参数识别

为了精确识别结构复模态参数,提出了一种基于快速傅里叶变换(FFT)和人工神经网络的模态识别方法.该方法首先对自由振动信号进行FFT预处理,得到粗略的各阶模态频率和相位.然后,根据模态的阶数设定神经元的个数,根据预处理后得到的频率和相位设定神经网络权值和基函数参数迭代的初始值.最后,通过对人工神经网络进行训练,达到利用自由振动信号进行时域模态识别的目的.仿真结果表明,该算法可消除频率法识别中因频谱泄露与噪声等产生的误差,提高模态识别的精度,因而是一种有效的时域识别方法.     

基于模态分析的发动机风扇叶片损伤诊断方法

结构故障诊断主要包括结构损伤识别、结构损伤定位、结构损伤程度的标定和评价三个方面内容。而频率、振型、频率和振型相结合的指标在结构故障诊断的三个方面各有优缺点。通过航空涡轮发动机风扇叶片建模,并在其上模拟出健康和损伤状态,选取频率、振型、频率和振型相结合的三类指标,借助ANSYS仿真与BP神经网络,验证了基于模态分析的发动机风扇叶片损伤诊断方法的可行性,并从数值上指出兼顾振型和频率的指标预测效果最优,也具有一定的工程实际意义。     

精密直线电机气浮轴承参数辨识

基于精密直线电机气浮轴承支撑的结构特点,针对气浮轴承动力学参数辨识问题,利用有限元方法建立了该结构系统的有限元模型,运用理论模态分析与实验模态分析相结合的方法,对该结构的气浮轴承的参数进行了辨识验证,得到了精密直线电机气浮轴承的动力学参数.仿真结果与实验结果相符,证明该方法有效,为该系统进行动力学优化分析提供了基础.     

利用时序分析方法识别模态参数的研究

本文对时间序列分析方法识别模态参数进行了研究。重点介绍了ARMA和ARMAV模型识别模态参数的原理,并用大量模拟实验检验了两种模型在分离模态、不同信噪比、大阻尼、密集模态等复杂情况下识别模态参数的能力,从结果可以看出ARMAV模型是一种有效的识别方法。     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.