径向基网络在简支梁损伤识别中的应用

对简支梁进行损伤分析,研究不同损伤工况下的频率变化率和模态振型曲率变化,并采用径向基神经网络对结构进行损伤识别研究。研究中分别采用频率变化率、第1阶模态曲率变化、综合使用前3阶频率变化率和模态曲率变化3种方案。结果表明,基于动力参数和径向基网络的结构损伤识别方法能够准确识别结构的损伤程度;神经网络的输入参数选择对结果有较大影响,综合使用频率变化率和模态曲率变化方案的识别效果最好。     

基于曲率模态和神经网络的结构损伤诊断

基于神经网络算法，利用曲率模态参数对框架结构损伤定位和定量识别问题进行了研究和实例分析，分别用两种网络对结构损伤进行诊断，并用灰色理论对结构损伤进行了预测。结果表明，灰色理论能成功地对结构损伤进行预测，神经网络适用于此类损伤无规律对象问题的诊断。     

曲率模态和柔度曲率对损伤的敏感性研究

以简支梁的损伤识别为例,用有限元方法进行建模和计算,比较分析了曲率模态和柔度曲率对结构损伤识别的敏感性.当梁发生损伤的类型不同时,损伤部位对未损伤部位的影响以及各处损伤部位间的相互影响不同,导致曲率模态或柔度曲率对损伤的敏感性有时会下降,单独用一种方法不能准确地识别结构的损伤,应综合运用两种方法对损伤进行识别;而且这两种方法能互相补其不足,可以更有效的对结构的损伤进行识别.     

基于模态参数和神经网络的结构损伤检测

基于Levenberg—Marquardt规则BP神经网络算法,利用频率变化量和曲率模态参数分别对框架结构损伤定位和定量识别问题进行了研究和实例分析。结果表明．它们均能对结构损伤进行预测,BP神经网络适用于此类损伤无规律对象问题的诊断。     

桥梁结构损伤识别的曲率模态技术

介绍了桥梁结构健康监测的一些实际应用，阐述了结构损伤识别的现状，并对有关损伤诊断的一些方法进行了评价．重点论述了曲率模态分析的基本理论，探讨了曲率模态在结构损伤检测中的应用，最后讨论了在实际结构损伤识别中应注意的若干问题．     

基于支持向量机和模态曲率的桥梁结构损伤识别

提出了一种用于桥梁结构损伤识别的支持向量机方法。该方法以结构损伤前后的模态曲率差参数为支持向量机的输入参数,c-svc算法为损伤位置识别算法,ε-svr算法为损伤程度识别算法。最后以三跨连续梁桥为数值模拟算例,以存在单个及多个损伤单元为损伤工况,验证该方法的有效性,识别结果表明基于支持向量机和模态曲率的损伤识别方法能够准确识别出结构的损伤位置,损伤程度识别误差在4%以内。     

桥梁损伤检测中曲率模态分析研究

论述了曲率模态分析的基本理论，探讨了曲率模态在结构损伤检测中的应用，并举例证明了曲率模态方法具有良好的准确性，灵敏性．     

基于模态4阶导数的结构损伤识别

基于结构损伤引起动力特性变化的原理,提出了一种新的损伤识别定位方法：利用结构位移模态的4阶导数进行损伤判别。文章首先论述了基于结构位移模态4阶导数进行损伤判别的基本原理,然后建立了一个钢筋混凝土曲梁的有限元模型,用数值模拟的方法对该损伤判别方法进行了验证。验证的结果表明：位移模态的4阶导数对单一损伤、支座处损伤以及多处损伤都能进行有效识别,其识别效果要明显优于曲率模态法和曲率模态差方法,且无需结构的基线模型。     

桥梁损伤检测中曲率模态分析研究

论述了曲率模态分析的基本理论,探讨了曲率模态在结构损伤检测中的应用,并举例证明了曲率模态方法具有良好的准确性,灵敏性.     

带表面裂纹连续梁损伤识别的曲率模态小波分析

以带横向非对称非贯通表面裂纹的连续梁为研究对象,利用小波奇异性检测原理,提出了带表面裂纹连续梁损伤识别小波分析方法.以带表面裂纹连续梁三维有限元分析求解梁的位移模态为基础,利用中心差分法得到梁的曲率模态,再用sym4小波对曲率模态进行连续小波变换,根据小波系数模极大值识别损伤位置,以一个三跨连续梁内两处半椭圆形表面裂纹的损伤识别为例,通过数值计算分析,验证了方法的有效性.同时,计算结果表明,运用曲率模态小波变换识别连续梁损伤比基本振型的小波变换方法更为准确、有效.该研究对带表面裂纹结构的损伤诊断应用具有参考价值.     

基于BP神经网络和遗传算法的桥梁损伤识别方法研究

以钟祥汉江大桥的损伤识别为例，对基于BP神经网络和遗传算法的桥梁结构损伤诊断方法进行的实例应用研究，结果表明该方法兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能。     

基于遗传算法与小波神经网络的客流预测研究

针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用.     

基于人工神经网络的混凝土抗渗性能研究

混凝土抗渗性直接影响着混凝土的耐久性,为解决传统实验方法耗费大量时间的不足,文中提出用BP人工神经网络对多种配比的混凝土进行渗透性仿真计算。结果表明此模型的可靠度很高,可以用于混凝土渗透性的虚拟化设计。     

采用神经网络的传感器故障诊断方法研究

使用专用观测器组（ＤＯＳ）的方法能解决传感器故障诊断问题。然而，对于对象为非线性的、对象模型的结构和参数均未知的系统，ＤＯＳ很难构造出来，本文使用多层神经网络实现了ＤＯＳ以及决策逻辑，从而实现了对不确定的非线性系统传感器故障诊断。     

关于广义同余神经网络结构与算法的研究

讨论了一种新的神经网络－广义同余神经网络（ＧＣＮＮ）网络中的所有神经细胞以同余的形式被激活,并阐述了它的结构,学习规则的一种算法,模拟结果表明,这种网络在取样点上具有满意的通用特性,由于该神经网络易于操作和实行,有必要就相关理论及其应用作进一步的研究。     

基于人工神经网络的软土沉降预测分析

依据人工神经网络较强的非线性映射能力和学习能力,提出基于人工神经网络的软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模,可避免传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、简便易行,因而具有广泛的工程价值。     

钢桁梁桥的损伤诊断研究

首先针对基于动力特性和人工神经网络的桥梁结构损伤诊断研究情况作了简要介绍,主要工作是将动力特性参数作为神经网络的输入数据,以改进的频率和振型动力特性组合指标参数对钢桁架简支桥梁结构进行了损伤识别,识别结果表明对钢桁架简支桥梁的损伤位置识别误差较小,对损伤程度的识别效果稍差,识别方法还需要进一步改进。     

一种基于卡尔曼数据平滑的分段曲线拟合室内定位算法

室内定位技术的关键在于获取距离参数,在这一问题的研究中运用RSSI信号获得距离参数一直是比较通行的方法.本文针对室内环境复杂,接收RSSI信号存在较大噪声的情况,提出了一种运用卡尔曼滤波器对信号数据进行平滑预处理,随后利用最小二乘法进行分段曲线拟合从而实现定位的算法.通过实验测试结果表明,本文所提出的算法平均定位精度可达0.9 m,与普通数据平均值预处理算法和曲线直接拟合方法相比较,定位精度更高;比直接应用对数距离损耗路径模型的定位算法更为合理可靠,能够在一定程度上满足无线传感器网络室内定位需求.