吴大宏[1]2003年在《基于遗传算法与神经网络的桥梁结构健康监测系统研究》文中研究说明桥梁建成通车后，由于受气候、环境因素的影响，结构材料会被腐蚀和逐渐老化，长期的静、动力荷载作用，使其强度和刚度随着时间的增加而降低。这不仅会影响行车安全，更会使桥梁的使用寿命缩短。在结构布局和规模都十分复杂的大型桥梁上仍然沿用传统的桥梁外观检查、养护、维修程序以及常规的局部检测，显然已难以全面反映桥梁的健康状况，尤其是难以对桥梁的安全储备以及退化途径作出系统的评估。建立和发展某种能够提供整体和全面的全桥结构检测和评估信息的监测系统，随时了解大桥结构的承载能力和安全储备，对保证大桥运营的安全性和耐久性都是十分必要的。 目前，在许多大跨度桥梁上都已经安装了永久性的监测系统，但目前的桥梁监测系统中不含结构模型，因而无自动损伤识别的能力。本文在前人研究工作的基础上，根据遗传算法和神经网络在处理复杂非线性问题时的各自特点，分别将其用于桥梁结构健康监测系统的不同部分，提出了建立基于遗传算法与神经网络的桥梁结构健康监测系统的基本设想。为此，本文主要进行了以下几个方面的研究工作。 1．在既有桥梁的研究中，主要包括桥梁总体性损伤评估、桥梁承载能力鉴定、桥梁剩余寿命评估、桥梁处置对策确定及其经济分析等，其中在日常管理养护中比较常用、比较重要的问题之一就是桥梁的总体性损伤评估。根据《中国公路桥梁综合评定方法》，引入数理统计中的“正交试验法”和“均匀设计法”，应用神经网络对桥梁结构进行模糊综合评判。 2．应用神经网络较强的模式分类功能，选择合适的模态信息或动静力响应数据，对桥梁结构进行损伤识别。结合基于静态应变及位移测量的结构参数识别算法，借助遗传算法强大的优化搜索能力，探讨基于遗传算法的桥梁结构损伤识别技术。 3．根据安装在桥梁结构上的监测系统传递来的位移、应变信息，进行作用在桥梁结构上的荷载识别，可以：① 对监测系统传递来的荷载信息加以校核和补充；② 为下一步的损伤识别提供依据。而荷载识别的关键技术在于快速、准确地模拟桥梁的荷载-挠度曲线。以“在位移控制下部分预应力混凝土梁非线性行为试验研究”的试验数据为建模样本集，分别以作用于梁上的荷载和梁的跨中挠度为输入、输出，利用神经网络来对混凝土梁的荷载-挠度曲线进行模拟，并用其进行荷载识别的试验研究，取得了较好的效果。第11页西南交通大学博士研究生学位论文 4.裂缝开展宽度是衡量部分预应力混凝土桥梁使用性和耐久性的一个重要指标，精确地模拟部分预应力混凝土梁的荷载一裂缝关系有着十分重要的意义。然而，混凝土结构裂缝形成和发展的过程十分复杂，具有一定的随机性，难于用常规的方法进行建模。应用神经网络较强的函数映射能力和联想、记忆功能，对部分预应力混凝土梁的荷载一裂缝关系进行建模，通过试验数据进行验证，效果良好，证明应用神经网络来对部分预应力混凝土梁的荷载一裂缝关系进行建模是可行的。 5.混凝土结构中钢筋的锈蚀将直接影响其安全性、可靠性和耐久性，快速、准确地预测混凝土构件中的钢筋锈蚀量有着重要的意义。应用神经网络对锈蚀开裂后的混凝土构件中的钢筋锈蚀量进行预测建模，并通过工程检测结果验证了该建模方法的可行性。 6.应用遗传算法强大的非线性搜索能力，分别以年均投资差额和总投资差额最大为优化分析目标，提出了用遗传算法对常遇大气环境下的混凝土桥梁进行耐久性优化设计的方法，通过算例进行验证，效果良好。 7.将桥梁结构健康监测系统监测到的结构响应看作一个非线性时间序列，应用神经网络较强的数据压缩能力和联想、记忆功能，选取若干天的结构响应数据(应变一时程曲线等)进行学习，并对未来一段时间内的结构响应进行预测。以此为根据，对桥梁结构进行疲劳可靠性分析。 8.由于几何非线性和材料非线性的影响，构件某一失效模式的极限状态方程很可能是强非线性方程，甚至无法得到显式的极限状态方程。工程实际中常采用的传统方法难以精确或有效地对桥梁结构进行可靠性分析。根据可靠度指标刀的几何意义，将求解可靠度指标刀的问题转化为有约束最小化问题，应用遗传算法强大的非线性搜索能力进行求解。
杨晓明[2]2006年在《土木工程结构的性能监测系统与损伤识别方法研究》文中研究说明随着大跨度结构和超高层建筑的不断发展,大型土木工程结构健康监测的研究与应用越来越受到学术界和工程界的重视。本文系统地开展土木工程结构性能监测系统和损伤识别方法的理论与实验研究,建立一种可用于测试结构动态响应以及监测交通流的新型水泥基压电传感系统,提出一种基于结构动态响应统计特征的结构损伤识别人工神经网络方法,从而发展结构健康监测系统与方法。主要研究工作与创新成果包括以下几个方面:(1)在水泥基压电复合材料的基础上,研制了一种新型水泥基压电传感器,实验检测了传感器的频率独立性、线性度等基本性能,并使用标定程序确定了传感器的测量范围、灵敏度、线性度、滞回度和灵敏度界限等使用参数。研究结果表明,所研制的水泥基压电传感器具有很好的频率独立性和高度的输入输出线性关系,适用于大型土木工程结构的性能监测。(2)建立了包括水泥基压电传感器、专门开发的小型电荷放大器、多通道数据采集仪和监测软件的水泥基压电传感系统,并将其应用到短柱和框架结构的动态响应测试以及交通流的监测等方面。模型实验结果表明,水泥基压电传感系统不仅可以准确地测试结构或构件的动态应力响应,还可以准确地监测交通流(包括人流和车流),并可以通过计算水泥基压电传感器的脉冲响应幅值来区分交通流中车辆的种类。(3)在结构随机振动理论的基础上推导出结构动态响应的统计特征与结构损伤位置和损伤程度之间的关系,通过敏感性分析确定了以结构动态位移响应方差作为结构损伤识别的损伤指标,分析了使用该损伤指标可以部分消除测试误差的原理。数值模拟了一叁跨连续梁在白噪声激励下的动态响应,观察了在不同损伤位置和损伤程度下结构动态位移响应方差的变化,从而评估了选择结构动态位移响应方差作为损伤指标的可行性。(4)提出了一种基于结构动态响应统计特征的结构损伤识别人工神经网络方法。在人工神经网络结构中,以结构动态响应方差和协方差的变化作为神经网络的输入,以结构的损伤位置和损伤程度作为神经网络的输出。数值模拟了一叁跨连续梁的损伤识别过程,其中包含单损伤和多损伤两种损伤工况,每种损伤工况中又分为损伤位置识别和损伤程度识别。数值模拟结果表明,训练好的神经网络可以准确识别出结构的损伤位置和损伤程度,从而验证了所提出的基于结构动态响应统计特征的结构损伤识别人工神经网络方法的有效性与可靠性。(5)采用所提出的基于结构动态响应统计特征的结构损伤识别人工神经网络方法,对一组两端固结的模型梁进行了结构损伤识别的模型实验。模型梁由铝合金型材制作,模拟带翼缘的薄壁箱梁。在实验中,分别采用单损伤工况和多损伤工况对神经网络进行训练和测试。实验结果表明,经过训练的神经网络可以基本准确地识别出结构损伤位置和损伤程度,从而进一步验证了所提出的基于结构动态响应统计特征的结构损伤识别人工神经网络方法的有效性与可靠性。
何浩祥[3]2006年在《空间结构健康监测的理论与试验研究》文中研究指明空间结构形式新颖丰富并且采用了大量的新材料、新技术,成为反映一个国家建筑科学技术水平的标志。空间结构所处环境状况复杂,发生损伤和破坏的潜在危险性较大,对空间结构在建设和运营期间的健康监测、诊断以及各种灾害影响下的损伤预测和识别进行研究,具有重要的理论价值和现实意义。本文结合结构健康监测和结构评估领域国内外发展现状,对空间结构健康监测问题,包括模型修正、传感器优化布置、损伤识别和信息融合等,进行了深入系统的研究,取得了如下成果:1.对小波理论在结构健康监测中基本应用的研究。对结构的动力方程进行小波灵敏度分析,得到以加速度表示的灵敏度。通过小波系数模极大值求得Lipschitz指数,将其作为衡量突变程度的指标,由此可以识别结构发生损伤的时间。不同损伤状态下的结构节点振动信号经小波包分解后在各频带上的投影是不同的,将其作为特征向量可以实现对结构的损伤程度的识别。2.对空间结构模型修正的研究。针对训练神经网络需要大量样本的情况,在结构损伤模拟的试验方案设计中,选用了均匀设计法构造样本以减少所需样本数量。用遗传算法优化BP网络的初始权值,提高神经网络的运算速度。针对空间结构的特点,提出基于子结构和神经网络的递推模型修正方法,该方法将结构分解成多层次的子结构,选取适当的损伤因素实现逐步逐级的修正。提出采用小波频带能量作为损伤因素的修正方法。3.对传感器优化布置的研究。根据结构系统可观性,给出具有重频的一般空间结构前若干阶模态所需要的最少传感器数目的估计方法。提出一种选用Frobenius范数求最大化Fisher信息矩阵的方法,在此基础上并考虑传感器优化布置的多重标准,提出基于节点能量和模态保证准则的传感器优化布置方法。针对小波智能方法的特点,运用图论理论,将空间结构或其一部份抽象为有向图;根据各杆件的连接关系确定距离矩阵,运用Floyd算法并综合考虑结构模态动能和模态变形能等参数,提出一种概念新颖的传感器优化布置方法。
王贤强[4]2017年在《温度影响下钢筋混凝土简支梁桥动力特性分析与损伤识别方法研究》文中研究指明温度影响下钢筋混凝土简支梁桥动力特性分析与损伤识别方法研究桥梁结构作为现代交通运输系统的主要组成部分,在社会经济发展中发挥着重要作用,其安全运营状态密切关系到经济持续健康发展与人民生命财产安全。桥梁服役过程中,受到日益增长的交通荷载与外部恶劣环境的影响,不可避免地出现材料性能退化和累积损伤,导致桥梁垮塌事故的发生。因此,及时、有效地识别桥梁损伤,评价其服役状态,对保障桥梁运营安全,提高服役寿命具有重要的现实意义。随着传感器技术与模态分析技术的不断发展,基于动力特性的损伤识别方法在桥梁健康监测与损伤识别领域得到了广泛应用。然而,环境因素,特别是温度会造成桥梁模态参数的显着改变,使基于动力特性的损伤识别方法失效。在我国季冻区,年温度跨度接近70℃,势必会引起桥梁结构模态参数的变化,对基于动力特性的损伤识别产生不良影响。因此,分析温度对桥梁模态参数的影响规律,阐明影响机理,形成有效的模态参数温度影响剔除及损伤识别方法,对提高基于动力特性的损伤识别准确性,促进其工程实用化具有重要作用。本文结合国家自然科学基金项目“考虑温度效应的桥梁结构模态参数识别技术及损伤识别方法研究”,针对东北季冻区环境因素对钢筋混凝土简支梁桥动力特性的影响进行了统计分析,明确了温度对模态参数的影响机理,提出了有效的温度影响剔除方法。在此基础上,基于统计过程控制、模糊聚类与模糊推理方法,实现了温度影响下的简支梁桥损伤识别。本文开展的具体研究工作如下:1.通过对钢筋混凝土简支梁的长期监测,揭示了季冻区环境影响下简支梁桥模态参数的变异规律与内在影响机理。首先,采用灰色关联度分析法定量评价环境因素对模态参数的影响程度,确定出主要环境影响因素;然后,考虑主要环境因素对结构内部温度的影响,基于统计分析明确了温度对模态参数的影响规律;最后,从混凝土材料性能依温特性与结构内力改变入手,阐释了温度影响模态频率的内在机理。2.考虑温度不均匀分布对模态频率的影响,构建了钢筋混凝土简支梁模态频率量化模型,剔除了模态频率的温度影响。通过主成分分析,对温度测试数据进行降维处理,消除测试温度间的相关性;采用多元线性回归、BP神经网络、支持向量回归、遗传优化支持向量回归技术构建了考虑温度不均匀分布的模态频率量化模型,基于均方根误差与相关系数定量对比了各模型的预测性能;结合模态频率长期监测值与遗传优化支持向量回归模型预测值,剔除了温度对模态频率的影响,通过对比剔除温度影响前后的模态频率变异程度验证了遗传优化支持向量回归模型剔除模态频率温度影响的有效性。3.针对剔除温度影响后模态频率存在的随机性与不确定性,提出了基于休哈特均值控制图与粒子群优化模糊C均值聚类的损伤预警与评价方法。对无损状态下的模态频率进行统计分析,确定休哈特均值控制图控制界限,通过损伤引起的模态频率异常变化,实现损伤的早期预警;利用粒子群优化模糊C均值聚类算法对典型损伤状态下的模态频率进行聚类分析,确定损伤等级聚类中心,通过计算未知状态模态频率到各聚类中心的模糊隶属度进行损伤程度评价与定量识别。4.基于自联想神经网络、多元休哈特控制图与粒子群优化模糊C均值聚类算法,提出了不依赖温度测试数据的损伤诊断与评价方法。将温度作为模态频率的潜在影响变量,利用无损状态下的模态频率对自联想神经网络进行训练,建立温度与模态频率的潜在映射关系;采用训练完成的自联想神经网络对损伤状态模态频率进行重构,通过多元休哈特控制图对重构残差进行检验,辨识损伤出现;以重构残差为损伤程度评价指标,对典型损伤状态下的重构残差进行聚类分析,通过计算未知状态下自联想神经网络重构残差到聚类中心的隶属度实现损伤程度评价与定量识别。5.针对剔除温度影响后模态参数不确定性对损伤定位与局部损伤程度识别的影响,基于均匀荷载面曲率差与模糊推理理论,提出了一种具有较强鲁棒性的损伤识别方法。该方法以损伤前后的均匀荷载面曲率差作为损伤识别指标,采用标准化后的均匀荷载面曲率差与单元损伤状态作为模糊推理系统的输入、输出参数,选取高斯隶属度函数及钟形隶属度函数对输入、输出参数进行模糊化,通过建立损伤状态与损伤识别参数间的对应关系,构建模糊规则库,实现损伤位置与损伤程度的模糊推理。简支梁数值模拟与模型梁试验结果表明,该方法具有较强的推理能力和抗噪能力,验证了本文提出方法的有效性。
郭健[5]2004年在《基于小波分析的结构损伤识别方法研究》文中研究说明针对结构健康监测系统的实时性和复杂性特点，目前应用较多的一些损伤识别方法具有一定的局限性，难以满足要求。本文以小波分析为工具，从多尺度理论和模式识别的思想出发，提出了多尺度损伤信息分析和多传感器信息融合的损伤识别方法，并结合数值模拟和模型实验对基于小波分析的结构损伤识别的四个步骤进行了较为完整的研究。 从信息获取的角度首次在结构健康监测中提出了多尺度分析理论。对结构健康监测中的几个关键性问题进行了分析，指出目前结构健康监测系统中首要的问题是测试信号的分析处理。基于小波分析提出了结构健康监测中损伤识别的四阶段分析方法，即损伤预警→损伤确认→损伤定位→损伤定量，并给出了流程图。 分析了结构发生损伤时其动力参数的变化特征。应用小波变换把结构动力系统的数学方程在不同尺度上进行了分解，得到了不同尺度上各动力参数的描述，证明了应用小波多尺度分析能得到更多的结构损伤信息。按状态空间方程，编制了MATLAB平台上的结构损伤模拟程序SDSP。通过不同激励荷载下的损伤数值模拟和损伤时域识别，认为针对一定的结构损伤，不同位置的加速度传感器在不同分解尺度上所反应的损伤信息量是不同的；在离激励荷载频带较远的频带尺度上，结构损伤指示更明显。对于基于小波分析的结构健康监测中合理选择采样频率和确定分解尺度数具有理论指导意义。 探讨了结构损伤预警的特点和重要性，提出了一种应用两种小波进行分解和重构的损伤预警方法，并定义了一个多尺度信号损伤奇异点搜寻的指标λ_k，以预警指标阈值μ能有效识别结构是否发生损伤。从Lipschitz指数出发，给出了白噪声和损伤信号的小波系数在时间-尺度相平面上的特点，分析了根据小波系数模极大值在各尺度上的奇异性来进行损伤预警的方法及其抗噪原理。通过在无噪和含噪条件下的连续梁损伤数值实验，研究了小波系数模极大值法和小波多尺度信号分解法进行损伤预警的有效性和抗噪能力。 研究了结构损伤识别中的特征提取和模式分类方法。对小波包节点能量特征提取方法和神经网络模式分类器的构造进行了分析和阐述。小波包变换以其特有的高频分辨率能够实现对结构振动信号的特征提取，可以把时域无限的测试振动信号降维，得到有限个节点能量信号构成的特征指标。通过一个在随机荷载激励下的简单动力系统的数值模拟，对加速度时程信号提取了小波包系数和信号成份两种节点能量特征，对比了两者的差异，认为小波包系数节点能量的特征性更强，且计算效率更高。并基于BP神经网络构造了一个模式分类器，在无噪和含噪条件下，实现了不同损伤率下的损伤识别。 从模式分类和“局部控制、全局参与”的思想出发，提出了耦合神经网络的方法来实现多传感器信息融合的损伤确认、定位及定量。首先以小波包变换提取结构损伤特征，并完成数据层的信息融合；然后构造叁个耦合神经网络分别实现不同阶段的损伤识别和局域决策信息融合，以不同样本的训练次序来控制各一级网络对不同区域的映射精度，通过二级网络的训练自动调节具有不同信息熵的区域决策在整体损伤识别中的权值。以一个叁层框架结构的实验模型在36种损伤工况下的测试数节V摘要据来验证所提出的方法。从损伤识别的结果来看，对损伤率在7.5%以上的情况，损伤识别精度较高;对于损伤确认和损伤定位，识别精度较高;而对于损伤程度识别略有偏差。 面向实时的、多传感器的结构健康监测系统，本文基于小波分析，通过理论分析、数值仿真、模型实验对结构损伤识别的预警、确认、定位及定量进行了探索性的研究，为结构健康监测和损伤识别提供了新的思想和方法，也为该方法在实际工程中的应用提供了有力的支持。
袁旭东[6]2005年在《基于不完备信息土木工程结构损伤识别方法研究》文中进行了进一步梳理观测自由度不完整、数据误差以及模型误差是制约结构损伤识别发展与应用的主要因素。有鉴于此,本文利用不完整且存在数据误差的静力观测位移、模态观测振型以及结构固有频率等数据,开展了人工神经网络结构损伤识别方法以及基于有限元模型的损伤识别方法研究,具体研究工作如下: 通过对土木工程结构损伤识别方法的发展现状进行较为详尽的研究与总结,发现观测自由度不完整、观测数据误差以及结构模型误差是制约结构损伤识别领域取得进一步发展的阻碍因素,同时也认识到在观测自由度不完整以及数据不精确的基础上进行结构损伤方法研究是未来土木工程结构损伤识别领域的发展方向。进而确定了本文的研究思路。 由于人工神经网络算法在模式识别等反问题求解方面所具备的突出优点,已逐渐被越来越多的研究者应用于结构损伤识别领域。验证神经网络算法的损伤识别能力关键是网络输入参数的选取,即结构损伤识别指针是否对损伤位置或是损伤程度更为灵敏。本文利用易于实测且精度高的结构模态振型以及低阶固有频率构造出神经网络的组合输入参数。利用改进的动量BP网络对结构进行了损伤位置以及程度识别数值模拟研究。结果表明即使在只获得少量节点振型数据且含有数据误差的情况下网络仍具有较好稳定性和鲁棒性。在一定误差范围内,识别结果受误差影响不大。 静力位移响应可以反映结构刚度矩阵变化,因此识别结构刚度特性最自然、最直接的方法就是基于静力位移观测的方法。此外,考虑到结构低阶固有频率测试精度高且能反映结构整体的动力特性。在已有的研究基础上,本文将部分节点静力观测位移以及结构前几阶固有频率结合起来,构造出结构损伤位置及损伤程度识别的神经网络输入组合参数,利用径向基神经网络算法对结构进行了损伤识别数值模拟研究,着重研究了观测自由度不完整情况下不同数据误差水平对结构损伤识别结果的影响以及选取的频率数量对损伤程度识别结果的影响。识别结果表明,径向基神经网络具有很强的鲁棒性,对损伤位置及损伤程度识别都取得了非常理想结果。以往基于有限元模型修正的损伤识别模型多数是在观测数据完整且不含数据误差的情况下进行结构的损伤识别,当观测数据不完整、数据含有一定噪声时,往往就无法有效识别结构损伤,识别能力受到很大限制,不易在实际的工程结构中应用。 本文依据不完整模态数据(前几阶低阶模态、不完整自由度上的实测振型)并利用模态参与因子构造出完整自由度模态振型,建立了损伤结构系统的非线性控制方程。避免了采用模型缩聚或是扩阶方法所带来的额外误差。在此基础上,
黄燕[7]2008年在《基于模态参数小波变换的结构损伤识别方法研究》文中进行了进一步梳理工程结构中往往存在各种损伤,在一定条件下可能引起灾难性的事故,不仅危害人民的生命安全,而且会带来社会财富的巨大损失。小波分析方法在特征提取、信号奇异性检测、信号去噪等方面有着独特的优势。因此,采用小波分析方法研究结构损伤识别问题,不仅具有重要的理论意义,而且有工程应用价值。本文较系统地研究了基于模态参数小波变换的结构损伤识别方法,以有损伤的简支梁和一层平面框架为研究对象,分别对它们的动力性能进行有限元模态分析,将其形成的损伤信息特征量进行小波变换,根据小波奇异性检测理论,建立了带裂缝结构的损伤识别原理,给出了在裂缝截面处结构的变形协调条件和内力平衡条件,探讨了带裂缝结构的模态参数损伤识别方法。建立了振型小波变换识别简支梁的损伤位置和损伤程度的方法。通过小波系数模极大值位置识别梁内的裂缝位置,探讨了在多个尺度、不同小波基和不同振型情况下对识别简支梁损伤位置的影响。并利用小波系数模极大值点处对应的Lipschitz指数判断结构损伤的程度,探讨了Lipschitz指数随裂缝深度、裂缝位置、其他裂缝的存在、不同振型和不同材料的变化规律。通过小波变换系数模极大值和变换尺度的关系得到的Lipschitz指数,分别建立了不同影响因素下的损伤程度和Lipschitz指数之间的计算公式,为进一步研究结构损伤程度奠定了基础。基于转角模态小波变换方法研究了带裂缝的简支梁和平面框架的损伤识别问题,利用小波系数模极大值判断简支梁和平面框架的裂缝位置。数值算例表明基于转角模态小波变换方法可以避免由于几何形状突变导致的奇异性干扰,且对于裂缝的识别比较敏感,其奇异性特征也十分明显。首次对结构的应变模态进行连续小波变换,建立了应变模态小波变换对带裂缝结构的损伤识别方法,并首次运用小波去噪方法对应变模态小波系数进行去噪处理,通过比较去噪前后的识别结果,发现去噪处理后的小波系数图中只有裂缝位置才会出现小波系数的极大值。利用曲率模态的特性,提出了曲率模态小波变换识别结构损伤的方法,探讨了不同小波基对带裂缝的简支梁和平面框架曲率模态进行结构损伤识别的影响。并与应变模态小波变换方法的结构损伤识别结果比较,发现曲率模态小波变换与应变模态小波变换在结构损伤识别中对结构局部损伤敏感度基本相同。
周金鹤[8]2006年在《基于GIS和神经网络技术的网壳结构损伤检测》文中进行了进一步梳理地理信息系统(GIS)在大型土木工程健康监测系统GISSHM(Geography Information System for structure Health Monitoring)的应用越来越广泛,已被广泛应用于大型桥梁及拱坝的健康监测中。本文继续本课题组“基于GIS的大型土木工程健康监测研究”的工作,以双层球面网壳结构为实例,编制了一个具有GIS(地理信息系统)特有功能的健康监测及损伤检测系统程序,具有强大的可视化功能,可以对多种传感器监测数据进行可视化分析。本文首先分析了损伤检测系统(DDS,Damage Detection System)的开发方法,开发工具及地理信息系统在其中实现的功能,并提出了系统的数据结构,并以大跨网壳为研究对象,编制了相关的程序模块,主要实现将地理信息与属性信息相结合从而使各类信息可视化,利用地理信息系统特有专题分析功能将数据以统计图形式标注于地图上,令分析更为直接清晰。然后将损伤检测技术有机地运用到了GIS损伤检测系统中。损伤检测技术主要是基于结构的模态参数,形成从模态识别到损伤检测再到损伤显示的自动损伤识别系统。将GIS损伤检测系统运用到大跨网壳的在线监测中,作为应用实例,本文基于一跨度120m的网壳结构的动力有限元模型,进行损伤检测研究分析,本文使用损伤前后频率信息和部分关键点的模态信息构造损伤指标训练神经网络,对损伤位置和损伤程度的识别都取得了良好的精度,对未知损伤类别也具有一定的自学习能力。最后,对基于人工神经网络的大跨空间结构损伤识别给出了一些建议。
王俊杰[9]2008年在《基于遗传优化—神经网络的钢桁架桥梁损伤识别研究》文中提出结构健康监测技术方兴未艾,在相当长一段时间内将一直是土木工程领域十分活跃的课题。正确有效的参数识别方法是健康监测系统的关键问题之一,也是健康监测系统的最终表象。尽早的发现结构损伤,并及时检测和修复,不仅可以大大降低结构的维护、维修费用,还可以避免或减少不必要的生命财产损失,因此损伤识别技术一直是工程界研究的热点。钢桁架桥梁是我国应用非常广泛的桥型之一,但在长期的动力荷载作用和锈蚀的影响下,钢桁架桥梁的安全状况令人担忧。研究能够快速、高效对钢桁架桥梁进行损伤识别的方法显得尤为重要。结构发生损伤必然导致结构动力特性的改变,基于结构动力特性的结构损伤识别是当前学术界和工程界研究的热点。本文首先简要介绍了现有的多种损伤识别方法。其次,依据遗传算法是一种有效的全局搜索优化算法,不易陷入局部最优解,且具有很强的鲁棒性,和神经网络法具有良好的非线性映射能力、自适应和自学习的能力、较强的泛化能力和实时计算能力,但容易陷入局部最优解等特点,引入了遗传优化—神经网络进行损伤识别的新技术。运用遗传算法对神经网络的初始权值与阈值进行优化,可以较好的利用两种算法的优点,实现优势互补,提高损伤识别的速度与精度,对损伤识别的发展具有很大的意义。本文通过对遗传算法及BP(Back Propagalion)网络的工作机理、扩展性和开放性的研究,借助Matlab实现了遗传算法与BP网络的融合。并成功地将遗传优化BP神经网络应用于钢桁架结构的单点和多点损伤识别中,均取得比较理想的效果。结果表明,结合遗传算法后不仅使BP网络的初始误差降低,更使网络训练的收敛速度大大提高。神经网络充分发挥了其映射、泛化和内插的能力,对结构不同位置、不同程度的损伤都具有很好的识别能力。结合遗传算法的BP网络不仅能进行对结构单点损伤的识别,当结构发生多点损伤时,此方法同样能取得较好的效果。充分体现了神经网络极强的非线性映射能力和联想能力,具有很大的实际意义和指导意义。
孙兆伟[10]2012年在《基于现代信号处理的结构模态参数识别与损伤识别研究》文中研究说明随着社会的发展,各种土木结构、钢结构在城市建设、水利水电、电力输送,新能源等领域得到十分广泛的应用,并呈现出大型化、复杂化和多样化的发展趋势。这些大型结构与生活息息相关,其可靠性和安全性就备受关注,也因此结构的健康状况评估和健康监测成为一个不容忽视的问题。模态参数识别和损伤识别作为结构健康监测的核心技术,受到了工程界和学术界的重视,此前的研究取得了大量的成果。本论文以模态分析理论和结构动力学为基础,分析了部分现代信号处理方法在模态参数识别和损伤识别中的应用,提出了结合多种现代信号处理技术的结构模态参数识别方法和损伤识别方法。论文中完成的主要研究工作及成果如下：1、经验模态分解方法(Empirical Mode Decomposition, EMD)的改进。通过研究结构模态响应的特性,对随机激励下结构不同阻尼比、不同固有频率的单模态响应进行分析,结果表明结构振动在近似线性的情况下,模态响应信号可以简单看作慢变包络的窄带调幅信号。以此为基础提出一种求解局部均值的新方法,该方法弱化了EMD方法的非线性处理能力,增强对调幅信号分量的处理能力,减少EMD方法的插值拟合次数,提高EMD的分解效率。并从极值点数量、密度这一角度分析了EMD方法的模态混迭问题。2、基于时序分析方法和稳定图原理的结构模态参数识别方法。根据时间序列分析方法的特点,在稳定图中引入了模态能量比作为新的稳定点判据,代替原有的振型判据。通过两种方法的结合在一定程度上实现了时序模型的自适应定阶,进而避免了模态分析中的模态定阶问题,能有效的剔除时序模型分析中产生的大量虚稳定点,提高稳定图的识别效率3、基于模态响应提取的结构模态参数识别方法。以模态分析原理为基础,提出一种综合运用时间序列模型谱分析技术、互相关检测技术、EMD筛分技术的模态响应提取方法。以一个五自由度线性振动系统的仿真模型为应用对象,应用该方法提取了模态响应,然后采用AR模型分析方法得到了结构模态参数。4、基于模态能量特征变化量和BP神经网络的损伤识别方法。根据固有模态函数(Intrinsic mode function,IMF)定义了模态能量特征,由响应信号经EMD分解后得到IMF,利用IMF计算出模态能量特征。采用一种结合模态能量特征变化量与BP神经网络的损伤识别方法对一钢结构通信塔的有限元模型进行了单点损伤识别实验,证明了方法的有效性。
参考文献：
[1]. 基于遗传算法与神经网络的桥梁结构健康监测系统研究[D]. 吴大宏. 西南交通大学. 2003
[2]. 土木工程结构的性能监测系统与损伤识别方法研究[D]. 杨晓明. 天津大学. 2006
[3]. 空间结构健康监测的理论与试验研究[D]. 何浩祥. 北京工业大学. 2006
[4]. 温度影响下钢筋混凝土简支梁桥动力特性分析与损伤识别方法研究[D]. 王贤强. 吉林大学. 2017
[5]. 基于小波分析的结构损伤识别方法研究[D]. 郭健. 浙江大学. 2004
[6]. 基于不完备信息土木工程结构损伤识别方法研究[D]. 袁旭东. 大连理工大学. 2005
[7]. 基于模态参数小波变换的结构损伤识别方法研究[D]. 黄燕. 长沙理工大学. 2008
[8]. 基于GIS和神经网络技术的网壳结构损伤检测[D]. 周金鹤. 东南大学. 2006
[9]. 基于遗传优化—神经网络的钢桁架桥梁损伤识别研究[D]. 王俊杰. 西安建筑科技大学. 2008
[10]. 基于现代信号处理的结构模态参数识别与损伤识别研究[D]. 孙兆伟. 北京邮电大学. 2012