曲率模态和神经网络在损伤识别中的应用

以连续梁为例，通过曲率模态及改进后的模态置信准则联合确定损伤位置，并使用神经网络判定各损伤处的损伤程度。数值模拟考虑了梁不同位置及不同程度损伤情况，研究了运用曲率模态和模态置信准则进行损伤和损伤位置的识别，分析了各自方法的优缺点，通过两种方法的联合运用，使损伤位置识别准确、合理，并且说明了1阶曲率模态的局部参数是损伤程度识别较优的网络输入量，最后运用神经网络识别损伤程度。     

连续梁结构损伤识别的小波神经网络方法研究

以含损伤的连续梁结构为研究对象,研究了识别结构损伤位置和损伤程度的小波神经网络方法。通过有限元分析和Lanczos法计算得到损伤结构的曲率模态参数,再利用曲率和应变的关系得到应变模态参数。根据连续小波变换理论并用Matlab小波工具箱,得到小波系数模极大值并判断出结构损伤的位置。以此为基础,将小波系数模极大值作为BP神经网络输入参数构造神经网络,通过损伤程度与小波系数模极大值之间的非线性关系,由神经网络的输出参数确定结构的损伤程度。建立了一种既能识别结构损伤位置又能确定损伤程度的小波神经网络方法。通过对一含裂缝的三跨连续梁的损伤识别计算分析,验证了该方法的有效性。     

基于BP神经网络算法的悬索桥损伤识别研究

该文基于神经网络损伤识别分析理论,以成都市清水河自锚式悬索桥为例,对将BP网络算法应用于悬索桥损伤识别的效果进行了分析研究。分析研究表明：BP神经网络不仅能对单一构件不同程度损伤进行有效识别,对两个构件的不同程度损伤也能进行一定程度的识别,并且可以同时进行损伤位置与损伤程度的识别。     

基于BP神经网络的中等跨径桥梁损伤识别探讨

针对中等跨径桥梁中的损伤识别不敏感问题,运用BP神经网络进行中等跨径桥梁结构损伤识别。利用MIDAS/Civil分别建立三跨连续变截面箱梁完好及不同损伤状态下有限元模型,分析桥梁不同状态下的特征值,发现中等跨径桥梁对结构损伤的敏感性依次为振型竖向位移固有频率;将参数化的结构固有频率及振型作为BP神经网络的输入、损伤位置和损伤程度作为输出进行神经网络训练,对各工况下损伤位置和损伤程度进行识别,发现识别效果较差,通过获取中等跨径桥梁的自身特性,利用BP神经网络难以识别结构损伤,需探索合适的损伤识别参数及适用于中等跨径桥梁的方法。     

基于神经网络技术的斜拉桥损伤分步识别方法

结合神经网络技术进行了斜拉桥损伤分步识别的系统性研究,提出了具体的斜拉桥损伤分步识别过程,给出了每一识别步骤中适当的损伤识别参数.可实现斜拉桥主要构件即拉索和主梁中损伤的有效识别.采用概率神经网络确定损伤构件的类型,采用径向基函数(RBF)网络实现损伤的定位定量分析.针对润扬大桥斜拉桥的损伤模拟分析表明:将测试数据进行平均计算可以大大降低噪声对于概率神经网络识别结果的影响;噪声水平对2个径向基函数网络的损伤位置和损伤程度的识别能力方面的影响较小.采用不同的神经网络分阶段实现大跨斜拉桥的损伤识别,不仅提高了损伤识别的效率和准确性,而且增强了损伤识别方法在实际结构中应用的可行性.     

基于模态分析理论和神经网络的斜拉桥拉索损伤识别研究

将振动模态分析和神经网络技术结合起来,以振动模态构造的损伤标识量作为神经网络识别输入的特征参数,进行结构健康监测。根据云阳长江公路大桥设计资料,考虑桥梁拉索结构的单构件损伤、2个构件损伤、3个构件损伤3类损伤工况,分别采用了模态频率、位移振型模态、曲率模态3种指标作为神经网络的输入参数,共建立9个BP神经网络模型进行了桥梁损伤识别的研究。研究结果表明基于振动模态分析理论和BP神经网络的桥梁损伤识别方法可用于识别斜拉桥拉索结构的损伤位置和损伤程度。     

基于模态识别的波形钢腹板箱梁损伤位置研究

为解决波形钢腹板箱梁损伤识别和损伤定位问题,以上海塘大桥工程中波形钢腹板箱梁为研究对象,采用Ansys Workbench有限元建立波形钢腹板箱梁损伤结构计算模型,结合BP神经网络学习和重复训练功能,对波形钢腹板箱梁损伤前后的模态进行重复训练和计算,探索波形钢腹板箱梁损伤程度和位置与模态参数之间的变化规律。研究表明：波形钢腹板箱梁损伤后模态参数呈现下降趋势,不同程度和位置损伤后对模态参数影响存在一定的差异性,结构损伤程度与模态参数下降呈线性关系,训练后的BP神经网络对波形钢腹板箱梁损伤识别误差在3%范围内,验证了训练后的BP神经网络对波形钢腹板箱梁损伤识别的可靠性和准确性。     

基于相对小波熵和神经网络的结构损伤识别

建立接触的几何非线性简支梁模型模拟损伤裂缝的开合,计算在脉冲激励作用下简支梁完好状态机损伤状态下各节点的加速度响应,分析了损伤简支梁相对于完好梁的相对小波熵,以此有效识别简支梁损伤情况及预判损伤程度;结合BP神经网络,以不同工况下对应的相对小波熵值作为输入进行训练,利用BP神经网络较强的非线性能力及容错性对损伤位置、损伤程度进行准确判断.识别结果表明了相对小波熵指标在结构损伤检测中的有效性及实用性.     

基于RBF神经网络的简支梁桥损伤识别

损伤的发生对结构的安全性构成了很大的威胁。考虑到RBF神经网络具备很强的处理非线性问题的能力,而振型参数对结构的局部损伤非常敏感。本文以振型比值为RBF网络的输入参数,以单元损伤程度为输出参数,建立了用于简支梁桥损伤识别的RBF网络。以简支梁桥为数值模拟算例,验证了该方法的有效性。数值模拟结果表明:该方法能够进行有效的损伤位置及程度识别,具备良好的精度。     

基于新奇检测技术的斜拉索状态评估

探讨了应用基于BP神经网络的新奇检测技术进行斜拉索状态评估的方法.通过对监测系统采集数据分析处理,生成训练神经网络需要的样本数据,按要求训练网络,建立了基于新奇检测技术的多阶段状态评估的神经网络模型,实现了斜拉索状态评估的两个阶段:状态预警、状态异常位置识别.状态异常位置识别采用逐步分区识别的方法,最终将损伤拉索的位置...     

基于模态频率应变能熵和Tent—SSA—BP神经网络的桥梁损伤识别方法的研究

针对服役中的中小型梁桥因环境和材料因素影响易发生损伤的问题，提出了一种融合模态应变能、频率和信息熵的桥梁损伤识别的方法。该方法首先提取出桥梁的模态参数，通过公式得出模态频率应变能熵，对梁进行单点和多点损伤定位分析。其次，利用混沌tent映射，优化麻雀搜索算法的权阈值，调整寻优能力，并且将麻雀搜索算法(SSA)和混沌优化过后的麻雀搜索算法(Tent—SSA)分别优化BP神经网络。最后，将熵值变化率作为输入数据放进神经网络中训练，输出简支梁桥的损伤程度，做出定量对比分析。使用有限元软件进行算例分析的结果表明，模态频率应变能熵能精确定位损伤的位置，对损伤的敏感度较强，解决了识别过程中的非线性问题；同时，优化过后的BP神经网络对损伤识别的准确率更高，预测效果更好。     

基于在线动力响应的板梁桥铰接缝损伤评估方法

为了解决板梁桥铰接缝健康状态难以诊断的难题,以桥梁在车辆荷载作用下的动力响应频谱定义频谱形状差异性指数,并结合频率构造目标函数,提出了一种基于桥梁在线动力响应的铰接缝损伤定量评估方法。该方法以铰接缝横梁刚度整体下降程度作为损伤指数,通过基于L-M准则的有限元模型修正方法实现对装配式板梁桥铰接缝损伤的定位和定量分析。采用车-桥耦合振动分析方法计算桥梁的在线动力响应,并避开板梁桥1阶竖弯模态,选择包含桥梁横弯和扭转模态在内的频率段分析响应频谱形状差异性指数。数值分析了铰接缝损伤位置、损伤程度、主梁车辆横向随机位置、车辆速度和路面不平度等因素对铰接缝损伤识别结果的影响,并进一步分析了主梁和铰接缝同时存在损伤时的识别结果。研究结果表明:所提损伤评估方法抗噪能力强,损伤识别结果受车辆速度、车辆横桥向随机位置和路面不平度等因素的影响较小,识别结果较为准确;该方法对单个或多个位置铰接缝不同程度的损伤均可正确识别,误差较小,还可同时识别主梁和铰接缝损伤。对一座装配式板梁桥进行了现场试验分析,基于所提方法的板梁桥评估结果和桥梁现场情况相符,从而从应用角度证明了所提铰接缝损伤评估方法的准确性和可靠性。     

土木工程结构损伤识别研究

结构损伤识别是近年来国际上的研究热点。阐述了实施土木工程结构损伤识别的必要性,在综述近几年国内外有关结构损伤诊断研究进展的基础上,讨论了结构损伤检测中的两类方法,重点对损伤识别中的动力指纹法、模型修正法、神经网络法、遗传算法、小波分析法进行了分析和比较,最后阐述了结构损伤识别领域目前存在的主要问题和未来的发展方向。     

基于柔度曲率比与遗传算法的既有钢筋砼拱桥损伤识别研究

针对目前单一方法无法精确识别桥梁结构损伤位置与程度的状况,结合柔度曲率比理论与变异遗传方法,以结构柔度矩阵为参数,利用基于柔度矩阵的柔度曲率比识别损伤位置、改进自适应双向变步长变异遗传算法识别结构损伤程度;以湖南省常宁市北门桥为研究对象,开展实桥外观、钻芯样本、钢筋锈蚀及静载等检测试验,并对检测结果与损伤识别结果进行对比分析,结果表明,文中构建的结构损伤识别方法可行,且其识别精度高,可为桥梁工程结构损伤识别提供一种新思路。     

径向基网络在简支梁损伤识别中的应用

对简支梁进行了损伤分析,研究了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了损伤识别研究,研究中采用了三种方案:仅利用频率变化率;仅用第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.结果表明,基于动力参数和径向基神经网络的结构损伤识别方法能够准确地识别结构的损伤程度,神经网络...     

中承式拱桥的吊杆损伤识别

针对中承式拱桥吊杆容易受损破坏的特点,通过数值模拟研究了中承式拱桥吊杆损伤位置和损伤程度的识别问题。提出了综合运用结构自振频率和曲率模态的吊杆损伤定位识别与损伤程度识别的实用方法。     

基于频率下降率的刚性路面脱空自适应神经网络识别研究

为快速而又有效地进行无损检测(NDT)，探讨了动量系数和学习率自适应调整的神经冈络算法．及刚性路面脱空识别特征参数的选取，提出以反映结构损伤位置和程度的频率下降率作为结构脱空识别的特征参数。利用有限元方法对刚性路面脱空进行数值模拟，同时采用声振法研究了刚性路面板声学特征变化的关系，分别获取训练样本数据，通过自适应神经网络对刚性路面脱空进行了识别研究。从中可以看出，采用频率下降率和自适应神经网络技术对刚性路面脱空进行缺陷识别分析具有较高的精度和可靠性。为用声学特征进行刚性路面脱空等缺陷识别提供了理论和实验依据。     

基于神经网络技术的结构损伤检测

结构损伤会导致其振动频率的变化,因此测量结构振动频率可以判断结构是否存在损伤,同时,基于频率测量的结构损伤识别方法具有测试简便,精度较好的优点,在分析结构固有频率的基础上,把结构损伤识别问题分为损伤辨别、损伤定位、损伤程度标定3个子模块,对每个子模块用模态参数构造对损伤敏感的标识量,并作为特征参数输入到神经网络中实现损伤识别,将BP网络和频率相结合进行了矩形梁的损伤检测,计算分析结果表明,该方法在结构损伤检测中具有较好的识别效果,最后对神经网络方法在损伤检测中的发展前景作了展望.     

基于神经网络技术的结构损伤检测

结构损伤会导致其振动频率的变化，因此测量结构振动频率可以判断结构是否存在损伤，同时，基于频率测量的结构损伤识别方法具有测试简便，精度较好的优点。在分析结构固有频率的基础上，把结构损伤识别问题分为损伤辨别、损伤定位、损伤程度标定3个子模块，对每个子模块用模态参数构造对损伤敏感的标识量，并作为特征参数输入到神经网络中实现损伤识别。将BP网络和频率相结合进行了矩形梁的损伤检测，计算分析结果表明，该方法在结构损伤检测中具有较好的识别效果。最后对神经网络方法在损伤检测中的发展前景作了展望。     

基于影响线二阶导数的结构损伤识别方法研究

提出建立基于位移影响线的简支梁结构损伤识别方法。该方法应用力学公式对损伤前后钢筋混凝土简支梁模型进行数值分析计算,得到位移影响线及其1、2阶导数,据此对损伤前后简支梁进行损伤位置及损伤程度的判别,模拟计算证明采用该方法进行结构损伤识别具有有效性。另外,应用位移影响线对一座简支T梁刚度变化状况进行识别,进一步证明采用位移影响线对结构刚度变化进行识别的可行性。