神经网络智能诊断系统在混凝土结构中的应用研究

摘要

混凝土结构损伤的识别、定位以及预测等是近年来土木工程结构中一个重要的研究领域，结构损伤检测技术是一门建立在损伤机理、传感器技术、信号分析技术、计算机技术及人工智能技术上的多学科综合性技术。混凝土结构故障诊断系统由于其复杂性、多样性及设计研究领域的广泛性，预测对象为非线性系统，难以建立准确的机理模型。从非线性的角度，应用神经网络模式识别原理，对非线性系统进行自我学习，对结构损伤进行监测诊断，避免了纯粹意义上的基于数学建模方法的局限性，弥补了传统预测方法和人类知识的不足。
　　 相对于传统的混凝土结构损伤检测方法，本文主要对基于神经网络的混凝土结构损伤检测理论与应用进行了研究。从BP神经网络、专家系统、遗传算法相结合的角度研究了混凝土结构损伤智能识别方法，通过把力学模型、BP神经网络、专家系统、遗传算法与计算机技术融合在一起，建立一种新型的智能诊断系统，本系统具有较强的工程背景和实际应用价值。
　　 本文研究的主要内容：
　　 (1) 损伤模型及损伤裂缝数值分析。建立科学的混凝土结构的损伤模型是对混凝土结构进行智能监测诊断与损伤程度评估的基础性工作；大部分混凝土结构损坏是从裂缝开始的，必须对混凝土结构损伤裂缝进行数值分析与处理。
　　 (2) 建立由神经网络、专家系统与遗传算法相结合的智能诊断系统。
　　 (3) 用VC++语言编写混凝土结构诊断程序，运用MATLAB-NN工具箱对系统进行实验，并对实验结果进行对比分析。
　　 在理论研究和分析的基础上，利用神经网络的高度模式识别能力，设计出了基于神经网络的混凝土结构故障诊断专家系统，包括诊断知识的表示、获取和推理；从神经网络与遗传算法相结合的角度，阐述了遗传算法结合BP算法优化神经网络的方法，实验证明，遗传算法和神经网络相结合不仅具有神经网络泛化的映射能力，而且具有遗传算法快速和全局逼近的优点，是一种较好的解决混凝土结构损伤识别问题的方法。
　　 研究结果表明，基于BP网络、专家系统与遗传算法的混凝土结构损伤识别系统的识别效果较好，收敛速度较快。应用此系统对混凝土结构进行诊断，不但给出结构是否受损，而且能给出损伤位置、损伤程度及预测使用寿命。与以往的监测诊断系统相比，此系统具有高鲁棒性，高精度，大大提高了诊断的速度与精度。同时也表明，该诊断方法是解决混凝土结构损伤识别问题的较为有效的途径之一，具有较大的工程应用价值和进一步深入研究的意义。