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.     

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。     

基于神经网络法的多层空间框架结构损伤检测

通过有限元模态分析,获取结构在完好和不同损伤程度下的各阶固有频率与节点振型位移,利用二者的差值作为损伤标识量,灵活的利用BP神经网络进行分步训练,得到框架结构损伤检测的神经网络系统,可以对多层空间框架结构的损伤位置和程度做出成功检测。     

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．     

剪切型框架结构损伤的两步检测方法

针对剪切型框架结构提出了分步损伤检测的方法．通过包含较大测量误差的结构一阶振型斜率的变化来判别损伤位置，损伤位置的判别可大大减少待识别参数的数量．理论推导证明，当剪切型框架结构发生损伤时，损伤单元振型斜率的变化大于零，由此可判别损伤位置．在判别出损伤位置的基础上，利用能够较准确获得的结构前几阶固有频率作为神经网络的输入，建立损伤程度识别神经网络，进行结构损伤程度的识别．数值分析表明，该方法能够有效实现剪切型框架结构的损伤检测，并具有很高的计算效率和计算精度．     

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。     

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.     

小波分析与神经网络在结构损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解,根据各种响应信号对损伤的灵敏度选择损伤特征,从而识别结构出现损伤的时刻,以实现对其监控;分别对结构第一层位移响应信号和加速度响应信号做小波包分解得到各频段能量的特征向量,并分别作为特征参数输入到BP神经网络中实现损伤识别;比较了位移响应信号和加速度响应信号对损伤识别的灵敏性．模拟算例表明,小波分析和BP神经网络联合运用能准确地诊断结构损伤时刻、损伤位置和程度,具有一定的可行性．     

基于动力响应互相关的古建筑木结构损伤识别

提出了基于互相关系数和互相关峰值变化率的古建筑木结构损伤识别和定位方法.以随机振动结构的某一测点为参考点,计算其他各测点与参考点的加速度响应之间的互相关函数,将所有的最大值组成互相关峰值向量(Cross-Correlation Peak Vector,CCPV).以两组CCPV之间的互相关系数作为损伤因子对结构进行损伤...     

用模糊人工神经网络方法预测多层砖房震害

结构的震害预测是编制抗震防灾规划的重要基础内容。应用模糊人工神经网络方法来对结构震害进行分析预测。应针对不同类型的构造物筛选出影响其震害的主要因素 ,采用地区性的历史震害资料对所建成的人工神经网络进行训练的方法。以量大面广的多层砖房为例 ,以云南省近几年来的几次大地震的灾害资料为样本 ,运用灰色数学方法筛选出影响震害的主要因素 ,然后进行了模糊人工神经网络的构筑与训练。结果表明 ,这种方法的训练效果是令人满意的     

Detection of Structural Damage Through Changes in Frequency

0IntroductionThbeee nvi pbrroatpioosne-db aasnedd d deavemlaogpeed d iente tchtieo npa satp p3r0o aycehaerss , haanvdethe study onthis topicis still active[1].Since natural frequen-cies can provide the global information of structures ,and canbe exactly m…