基于神经网络与受控结构动力特性的损伤检测

摘要

本文主要研究了基于神经网络技术和受控结构动力特性的结构损伤检测方法。对于复杂结构，由于检测结构往往构件数目和自由度数目都很大，一步直接的损伤识别方法在工程中的应用受到了较大限制。因此，本文采用了分级的损伤识别策略，根据结构的特点将其划分为若干个子区域，首先用概率神经网络识别出结构的损伤子区域，然后采用多损伤定位确信准则或径向基神经网络对结构损伤子区域中的具体损伤进行识别。从某种程度上说，结构损伤的标识量对损伤的敏感程度将对结构损伤检测的成功起着决定性的作用。本文采用状态控制的方法，有目的地对结构进行极点配置，使受控结构系统的振型数据对损伤比原始的无控结构更敏感。而控制力在结构上的不同位置对受控结构的损伤定位的准确率有较大影响，本文对此也作了初步探讨。本文以一个悬臂梁结构和一个单跨简支梁结构为算例，对基于概率神经网络和多损伤定位确信准则的分级结构损伤检测方法进行了讨论。损伤识别结果表明，受控结构的损伤识别准确率高于无控结构；分级的损伤识别方法比一步直接的损伤识别方法有较大的优势。本文以一个悬臂梁结构和一个三跨连续梁结构为算例，讨论了基于概率神经网络和径向基神经网络的分级结构损伤检测方法。损伤识别结果表明，该方法能有效地识别以上两种结构子区域中的具体损伤位置和损伤程度，总体识别误差较小。