基于神经网络技术的结构损伤检测与应用研究

本论文主要对基于神经网络技术的结构损伤检测理论进行了研究,并确定了结构损伤的位置与程度。对一个选悬臂板模型的损伤状况进行了数值模拟分析,并采取合适的方法构造改进型BP神经网络的输入参数,应用训练后的神经网络对结构进行了损伤检测。结果表明,该方法有效,可靠。     

运用神经网络技术对悬臂结构损伤度检测的研究

文中主要阐述运用模态分析技术和神经网络方法结合进行损伤度检测的研究,用损伤后悬臂板刚度的衰减来定义损伤度,对已经测出损伤位置的悬臂板进行损伤度的检测,从而验证神经网络检测损伤度的正确性。     

管线钢磁力耦合效应及在线无损应力检测

天然气管道服役期内的载荷变异、介质侵蚀、环境变化等诱发的集中应力使管道强度接近甚至超过设计值,形成安全隐患,而现有的检测手段很难实现在线无损应力检测。结合铁磁材料磁力学机理,开展了X80管线钢的磁力耦合效应微观特性试验研究,探讨了应力引起磁畴结构变化的机理。以X80管线钢圆棒试样为研究对象,设计了基于磁力耦合效应的在线无损应力检测装置,提出了X80管线钢磁力耦合效应应力检测的理论基础及应用方法,并对试验数据进行了分析。结果表明:①在单向拉/压应力作用下,管线钢试样应力变化诱发磁畴结构的改变,从而使受拉方向上的磁化强度增大,使受压方向的磁化强度减小;②恒定加载速率下,在弹性变形阶段,X80管线钢圆棒试样的拉/压应力与通过其截面的感应磁通量之间基本呈现线性关系;③试验得出的X80管线钢试样各种工况的感应磁通量-应力关系吻合较好,精度能满足工程要求。基于管线钢的磁力耦合效应,以感应磁通量为参量建立的磁力本构模型能准确地反映服役管道应力变化,为在线无损应力检测提供了新方法。     

智能材料在结构振动控制中的应用研究

半主动振动控制系统能较好地克服被动控制和主动控制的缺点,利用智能材料作为结构振动控制的驱动器是土木工程结构振动控制研究的热点问题.应用智能材料对结构振动进行半主动控制可以有效地减少控制过程中所需的外部能量,通过有效地布置半主动控制的驱动元件和合理地确定振动控制算法,能更好地实现对结构振动的有效控制,从而减少地震、强风等自然灾害对建筑物的损害.同时,半主动控制技术的研究也能更好地促使新型智能材料得到广泛的应用.从智能材料的主要物理力学性能、恢复力、外界影响因素等出发,分别综述了电/磁流变流体、磁致伸缩材料、压电材料、形状记忆合金材料、磁控形状记忆材料的应用研究进展,分析了目前存在的主要问题.     

钻孔灌注桩单桩竖向承载力预测方法研究

根据长期的工程实测资料,提出了运用神经网络技术的方法来预测钻孔灌注桩的承载能力,从而达到在施工过程中减少或不做试桩的效果.通过对高层建筑物和大跨度桥梁钻孔灌注桩的静载实验数据分析,选择神经网络方法对承载力进行预测.首先,构造了合理的神经网络模型;接着对神经网络模型经过样本学习训练进行承载能力预测;最后,证实了神经网络技术在预测钻孔灌注桩的承载能力时可以满足工程实际的需要.