排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
为准确进行结构损伤预警,提出基于前馈BP网络实现新奇检测技术的斜拉桥损伤预警方法.以斜拉索局部振动模态的基频作为网络的基本输入,定义新奇指标为网络输出,根据训练阶段和检测阶段的新奇指标间的比较指示结构的健康状态.相比一般的损伤检测,其不依赖于数值模型,避免了对数值模型高精度的要求,提高了实用价值.对汲水门大桥14种损伤的模拟结果表明,在1%的噪声水平下,该方法可达到较好的预警率. 相似文献
2.
为提高对悬索桥损伤结构的测量精度,提出将吊索张力指标和神经网络技术相结合对悬索桥结构损伤识别的方法.基于高精度三维有限元模型,模拟7种可能的损伤情况的定位.采用BP神经网络,以不同损伤程度下吊索张力指标作为神经网络的训练与测试输入,由神经网络的输出来指示损伤位置及程度.该方法的突出优点是只利用少量吊索的局部模态的基频,就可获得较好的识别结果.而对少量吊索局部模态的基频测量要比其他面向损伤检测的测量容易得多.因此,该方法具有重要的实用价值. 相似文献
3.
基于BP神经网络的PRC简支梁的预应力识别 总被引：1，自引：0，他引：1
为了对预应力混凝土(PRC)结构中预应力值进行检测与评价,采用神经网络技术,基于自振特性对PRC简支梁的预应力识别进行了数值仿真研究.分别在不同预应力水平上计算预应力梁的前10阶自振频率,经过归一化处理构造网络的训练样本,由网络输出指示预应力大小.采用3层BP网络,通过15个训练样本的训练,网络展示了良好的收敛性.对3种不同预应力水平的仿真测试表明,最大相对误差仅为2.08%,具有较高的识别精度. 相似文献
1