基于小波与人工神经网络的结构损伤识别研究

摘要

在近十年的时间里，城乡人口流动量大大增加，现有的公路、桥梁等建设已不能的满足人口流动的需求。随着“十三五”规划的提出，各种桥梁、公路等建设处于前所未有的发展中，为我国交通运输、经济增长打下了坚实的基础。但是，在经济快速发展的背景下，正在建或已建成的各项交通运输工程在施工、设计、质量等方面出现了一系列的安全问题。
　　在诸多桥梁结构中，梁桥是占有至关比例的桥型，在公路运输与城市交通中使用是最多的。不同形式的梁作为梁桥中的主要构件，不断承受着车辆荷载、人行荷载、风雨荷载等各种动、静荷载的综合作用。在这些荷载的长期作用下，梁在工作运营当中必定会受到不同程度的损伤，并且会随着时间推移，损伤的位置与损伤的程度均会有不同程度的发展。而当这些损伤发展到一定程度的时候就会导致梁体本生的刚度大幅度下降，乃至对整个桥梁的征程运营带来安全隐患。由损伤带来的结构破坏往往是脆性破坏，这种破坏是毫无征兆的破坏，会导致严重的工程事故，造成严重的社会影响以及无法估计的经济损失和人员伤亡。因此，很有必要对在役桥梁制定完备的健康监测系统，适时监测其运营状况。并通过大量的监测数据评估桥梁的现有健康状况，其中最重要的工作就是进行损伤识别判定。本文将利用小波变换与神经网络对简支梁进行损伤识别诊断，其主要原理是:利用有限元计算软件MIDSA CIVIL建立结构有限元数值模型，通过动力分析得到结构的前5阶模态参数。然后运用MATLAB软件中的小波和神经网络工具箱，对梁的模态参数进行分析。最后确定损伤识别的位置及损伤程度。主要研究内容及结论如下:
　　①本文在曲率模态基础上，利用小波变换能够在不同尺度下对结构响应中的突变信号进行放大和识别的特点，提出了一种基于小波变换的结构损伤识别方法。对所建结构数值模型采用单元刚度降低的方法进行单一损伤、多处损伤的损伤模拟。然后利用有限元软件MIDSA CIVIL获取结构在损伤状态下的固有频率，并用差分法求得所对应的曲率模态。最后利用用小波分析得出曲率模态差的小波系数图象。通过对小波系数曲线图的突变点进行识别，从而判定损伤的位置以及损伤的程度。
　　②人工设置5类损伤工况，对收集到的前5阶频率模态跟随不同损伤工况下的变化建立BP神经网络训练样本，并对其进行训练。然后，将未知损伤工况设于梁中，利用训练优化后的BP神经网络进行损伤识别，发现能够很好的定位损伤发生位置。最后，针对损伤程度的识别，同样建立5阶频率模态参数样本，建立针对损伤程度识别的BP神经网络，设置随机损伤程度参数，利用训练优化后的BP神经网络对梁的损伤程度进行判别，发现识别误差均控制在5％的范围内。证明BP神经网络在针对损伤定位及识别损伤程度上切实可用。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 研究目的与意义

1．3 国内外研究现状

1．4 本文研究内容及结构

第二章 结构损伤识别

2．1 结构损伤识别的基本内容

2．2 模态分析与结构损伤的关系

2．3 基于振动模态分析理论的损伤识别

2．3．1 基于固有频率的损伤识别

2．3．2 基于位移模态的损伤识别

2．3．3 基于应变模态的损伤识别

2．3．4 基于曲率模态的损伤识别

2．5 本章小结

第三章 小波分析

3．1 从傅里叶变换到小波变换

3．2 连续小波变换

3．3 常用小波函数

3．4 小波变换对信号奇异性检测的基本原理

3．4．1 信号奇异性的性质

3．4．2 Lipschitz指数与信号的奇异性

3．4．3 小波变换识别奇异性

3．5 本章小结

第四章 人工神经网络

4．1 神经元模型

4．2 网络模型

4．3 学习规则

4．4 BP神经网络

4．4．1 BP神经网络模型

4．4．2 BP神经网络学习算法

4．4．3 BP神经网络学习算法改进

4．5 本章小结

第五章 基于小波分析的结构损伤诊断实例

5．1 基于曲率模态差的损伤识别

5．2 简支梁损伤识别算例

5．2．1 单一损伤情况下的简支梁损伤识别

5．2．2 多处损伤情况下的简支梁损伤识别

5．3 连续刚构桥梁损伤识别算例

5．4 本章小结

第六章 基于BP神经网络的结构损伤诊断实例

6．1 正常状态下的结构有限元模型数值分析

6．2 损伤状态下的结构有限元模型数值分析

6．3 连续刚构桥梁损伤识别算例

6．3．1 结构的损伤定位

6．3．2 结构的损伤程度判定

6．4 本章小结

第七章 结论与展望

7．1 结论

7．2 展望

致谢

参考文献

在学期间发表的论文和取得的学术成果