基于模态应变能变异指标的斜拉桥模型损伤识别研究

基于动力测试采用模态应变能变化率方法对一座独塔斜拉桥模型进行了损伤识别实用性研究,识别过程基于动力模态分析,激励方式包括车辆激励、环境激励和冲击激励.从识别得到的各阶试验模态的模态应变能变异指标的计算结果可知:在合适的激励条件下,模态应变能指标可以识别梁式结构主梁的损伤位置和大小关系;激励的充分条件会影响模态应变能指标的识别效果,冲击激励产生的激励较充分,因而损伤识别的效果最好;各阶试验模态包含的损伤信息完备程度不同,建议综合多阶模态应变能变异指标的计算结果进行损伤识别.     

基于工作应变模态的管道损伤识别试验研究

为了检测管道损伤、进行实时安全评估和长期寿命预测,防止管道事故发生,利用振动损伤检测方法,针对管道的一维性质,推导了求解管道损伤应变模态差分公式,建立定位损伤、确定损伤程度的直接指标数学模型.对3根管道进行不同损伤工况下的物理模型试验和损伤识别分析,结果表明:管道固有频率最大变化率仅为6.71%,固有频率作为全局性参数用于结构损伤诊断存在模态频率识别效果不明显且信息量较少的局限性;应变模态敏度比差值在损伤区域出现明显的突变,能直观准确地识别管道损伤.      

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。     

基于递归图和BP神经网络的桥梁损伤识别研究

为研究递归图和多层前馈（BP）神经网络在桥梁损伤识别方面的应用,以某大跨斜拉桥为例,采用ABAQUS有限元软件建立其三维模型,通过动力分析提取该三维模型的加速度曲线并进行递归图处理和BP神经网络分析。研究结果表明：递归图方法能够初步地识别主梁的损伤位置和损伤程度;BP神经网络分析能够精确识别主梁损伤的具体位置和损伤程度值,且识别准确率均大于85.0%。该方法可为类似桥梁工程的损伤识别提供借鉴。     

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。     

基子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.     

BP神经网络在健康监测基准模型损伤识别中的应用

本文针对ASCE提出的健康监测基准问题的结构模型,分析了基于固有频率的结构损伤识别方法,使用MATLAB软件模拟不同的结构损伤情况,根据得到的固有频率构造BP神经网络输入参数并进行相应的训练,通过神经网络对结构损伤分步分层次的进行诊断。通过数值分析结果说明这种方法可以取得较好结果,也进一步说明神经网络技术是进行结构损伤识别有效方法。     

基于BP神经网络算法的土木结构损伤检测研究

结构损伤会导致其振动频率发生变化,基于频率测量的结构损伤识别方法简单方便,在结构健康监测领域应用广泛.本文在分析结构固有频率的基础上,把结构损伤识别问题分解为损伤状态辨别、损伤定位、损伤程度识别三个过程,对每个过程用模态参数构造标识量,并作为特征参数输入到神经网络中实现损伤识别.结合实验室一箱形钢梁的损伤检测试验进行了应用,收到满意的效果.     

基于应变模态的桥梁损伤识别模拟分析

着重研究基于应变模态的损伤识别法,分析了简支梁损伤特征,并针对一般损伤研究常以简单模型为对象的情况,将研究对象实际化,以实桥为基础建立有限元模型,取代以往研究中使用的等直梁,并用裂缝模型取代刚度下降模型以模拟实际裂缝,其计算结果可为实桥模态测量和分析提供参考.     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用,但存在收敛较慢问题.笔者在文中简述了BP算法原理,针对BP算法的收敛性问题,提出了几点改进措施.     

钢筋混凝土框架结构震后快速鉴定方法

提出一种震后框架结构安全性快速评估的方法.该方法在分析框架结构常见震害的基础上,对地震中构件的破坏程度提出了定量和定性的判断标准;利用模糊数学方法对各类构件进行安全等级评价,形成隶属度判断矩阵;采用层次分析法对各类构件、结构层进行权重评价;依据等级隶属度判断矩阵和各类构件、结构层的权重进行综合分析,得出整体结构的安全性评价.该方法简单易行,层次清晰,鉴定结果较为真实准确.依据该方法,可编制计算软件,使鉴定工作程序化,有效消减鉴定工作量,为震后紧急情况下应急救援政策的制定、救灾措施的实施和开展提供依据.     

模糊神经网络在钢筋混凝土桥梁结构可靠度分析中的应用

钢筋混凝土桥梁结构可靠度分析中存在着模糊性问题,计算结构可靠度的传统方法没有考虑结构的模糊性问题．将模糊神经网络用于钢筋混凝土桥梁结构的可靠度计算,用神经网络来构造模糊系统,实现输入、输出隶属函数的自动调整,并给出了模糊神经网络计算结构可靠度的步骤．最后通过两个算例来计算结构可靠度,计算结果表明,模糊神经网络法计算结果与JC法计算结果比较接近,该方法可以用于桥梁结构的可靠度计算,特别是可用于功能函数不能显示表达的可靠度计算．该方法的缺点是计算用时稍长以及训练、检验样本的来源存在问题．     

系杆拱桥的损伤识别与诊断研究

桥梁结构损伤识别是对既有桥梁结构进行损伤检测的重要一步.理论分析表明结构损伤前后的固有频率的变化包含了结构损伤信息.对兰州市某黄河公路大桥系杆拱结构进行了损伤数值模拟,提取其固有频率作为BP神经网络的输入参数来训练网络,对结构的损伤进行了模拟诊断分析,并在与实桥的损伤结果基础上提出了基于BP网络的系杆拱损伤诊断的方法.     

基于BP神经网络与D-S证据理论的路段平均速度融合方法

为精确估计路段平均速度, 提出了基于BP神经网络与D-S证据理论的路段平均速度融合方法。通过训练完成的BP神经网络估计概率密度函数值, 进而通过D-S证据理论进行数据融合, 整合了BP神经网络自学习的特点与D-S证据理论推理的能力。提出了融合方法的框架, 给出了具体的计算模型。利用京藏高速公路上的实测浮动车数据、微波检测器数据、车牌识别数据对融合方法进行了验证, 并分析了当微波检测器失效时融合方法的鲁棒性。分析结果表明: 融合数据的平均绝对误差百分率比仅使用浮动车数据或微波检测器数据分别提高了7.90%、20.72%, 融合方法能够得到较好的效果。微波检测器失效的情况下, 融合精度有所下降, 但融合数据的误差仍然小于仅使用浮动车数据的误差, 说明融合方法具有一定的鲁棒性。     

Intelligent direct analysis of physical and mechanical parameters of tunnel surrounding rock based on adaptive immunity algorithm and BP neural network

Because of complexity and non-predictability of the tunnel surrounding rock, the problem with the determination of the physical and, mechanical parameters of the surrounding rock has become a main obstacle to theoretical research and numerical analysis in tunnel engineering. During design, it is a frequent practice, therefore, to give recommended values by analog based on experience. It is a key point in current research to make use of the displacement back analytic method to comparatively accurately determine the parameters of the surrounding rock whereas artificial intelligence possesses an exceptionally strong capability of identifying, expressing and coping with such complex non-linear relationships. The parameters can be verified by searching the optimal network structure, using back analysis on measured data to search optimal parameters and performing direct computation of the obtained results. In the current paper, the direct analysis is performed with the biological emulation system and the software of Fast Lagrangian Analysis of Continua (FLAC3D. The high non-linearity, network reasoning and coupling ability of the neural network are employed. The output vector required of the training of the neural network is obtained with the numerical analysis software. And the overall space search is conducted by employing the Adaptive Immunity Algorithm. As a result, we are able to avoid the shortcoming that multiple parameters and optimized parameters are easy to fall into a local extremum. At the same time, the computing speed and efficiency are increased as well. Further, in the paper satisfactory conclusions are arrived at through the intelligent direct-back analysis on the monitored and measured data at the Erdaoya tunneling project. The results show that the physical and mechanical parameters obtained by the intelligent direct-back analysis proposed in the current paper have effectively unproved the recommended values in the original prospecting data. This is of practical significance to the appraisal of stability and informationization design of the surrounding rock.     

钢筋混凝土拱结构破坏过程中损伤场的分布与演化

采用损伤力学理论,研究了钢筋混凝土拱结构静荷载作用下损伤破坏的过程。混凝土材料是一种拟弹脆性材料,其损伤破坏过程可近似看成是弹性损伤问题。基于弹性损伤普遍理论,取其3阶近似形式,得到一个含有4个独立参数的损伤本构模型。在该损伤本构模型中,引入了一个拉压修正系数,用于描述混凝土材料在受拉与受压状态下损伤行为的不同。对一实桥中钢筋混凝土拱肋的损伤破坏过程进行了数值模拟计算,理论结果与试验结果相一致,说明本方法可较好地描述钢筋混凝土拱结构的损伤与破坏行为。