RBF神经网络在平面桁架损伤检测中的应用研究

摘要

现代工程结构正在向大型化、复杂化、自动化、连续化方向发展，复杂的服役环境使结构的安全受到威胁。为了保证安全、避免灾难，实时、在线、准确地进行结构损伤识别的技术研究受到了广大学者和工程技术人员的重视。 本文以国内外大量有关结构损伤识别分析为基础，论述和研究了基于模态参数进行结构损伤诊断的理论与方法，提出了用柔度差值曲率法进行结构损伤识别的思想与方法。本文利用ANSYS有限元分析软件对一个平面桁架模型进行了模态分析，并用APDL语言编制程序计算该结构的柔度差值曲率。通过对平面桁架的模拟损伤识别，证实了基于柔度差值曲率法的损伤定位方法的可行性。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

1引言

1.1结构损伤检测研究的意义

1.2国内外结构损伤检测的研究概况

1.3结构损伤检测研究中存在的问题

1.4结构损伤检测方法分类

1.4.1静态检测方法

1.4.2动力检测方法

1.5本文的主要研究内容

2平面桁架结构损伤识别的有限元理论分析

2.1有限元模型

2.2平面桁架有限元分析的基本理论

2.2.1计算模型

2.2.2基本假定

2.2.3结构损伤与模态参数的关系

2.3用ANSYS对平面桁架模型的损伤检测进行损伤模拟

2.3.1模型简介

2.3.2用ANSYS的APDL语言进行结构损伤检测

2.4对平面桁架结构损伤敏感的参数—柔度差值曲率

2.4.1平面桁架的单元划分

2.4.2平面桁架的损伤识别

2.5本章小结

3损伤识别的RBF神经网络法的设计

3.1人工神经网络的概述

3.1.1人工神经网络的发展简史

3.1.2人工神经网络模型

3.1.3人工神经网络的特点和基本原理

3.2 RBF神经网络理论基础

3.2.1 RBF神经网络的研究现状

3.2.2 RBF神经网络的结构模型

3.2.3 RBF神经网络的训练算法

3.3 RBF神经网络损伤识别的设计

3.3.1 MATLAB神经网络工具箱简介

3.3.2 RBF神经网络设计函数

3.3.3 RBF神经网络用于平面桁架损伤识别的基本步骤

3.4 RBF神经网络与BP网络的性能比较

3.4.1 BP神经网络简介

3.4.2 RBF与BP网络的比较

4基于RBF神经网络的平面桁架损伤识别

4.1平面桁架损伤识别研究的几点说明

4.2 RBF神经网络样本采集

4.2.1单损伤识别的样本采集

4.2.2双损伤识别的样本采集

4.3 RBF神经网络训练及其仿真

4.3.1单损伤识别网络结构

4.3.2双损伤识别网络结构

4.3.3 RBF网络的训练

4.3.4损伤程度的识别

4.4本章小结

5结论

参考文献

在读期间发表的学术论文和证明

作者简历

致谢