基于神经网络的浅埋框架结构损伤诊断方法的研究

摘要

本文结合地下结构的动力特性分析方法与地面建筑损伤诊断的理论，采用基于结构振动特性和人工神经网络相结合的方法，研究了浅埋框架结构的损伤诊断问题的理论和方法。 本文采用将结构与地基作为一个系统进行离散的方法，在通用有限元分析软件Marc上建立土——地下结构动力相互作用的有限元模型，计算了浅埋地下结构的动力特性。经过分析，提出了对浅埋框架结构损伤状态敏感的损伤标识量DEΦ；采用局部损伤部位弹性模量折减来表征损伤程度，利用动态有限元计算，建立了浅埋单跨框架结构损伤诊断的标准谱，即建立了损伤标识量DEΦ与损伤状态(部位和程度)的对应关系。利用此标准谱可以训练神经网络，实施对结构的损伤诊断；提出了浅埋框架结构损伤诊断的神经网络方法。为满足损伤诊断要求，对BP神经网络在多个方面进行了改进，编制了相应的程序—-SDDNN，并用损伤诊断的标准谱对神经网络进行训练；对浅埋单跨框架结构，分别按两种方法，即DEΦ标准谱分析与神经网络相结合的方法和分区组合式神经网络识别方法，识别其损伤位置和损伤程度，识别的正确率均可达93﹪以上。

目录

文摘

英文文摘

第1章绪论

1.1选题的背景及意义

1.2国内外目前的研究进展

1.2.1结构损伤诊断方法的发展现状

1.2.2工程结构损伤诊断的主要方法

1.3本文的主要工作

第2章浅埋地下结构动力特性分析

2.1结构振动的特征值问题

2.2整体分析方法

2.3浅埋框架结构损伤诊断的仿真模型

2.3.1有限元模型方法及Marc的特点

2.3.2有限元计算中的基本假定

2.3.3土——地下结构相互作用体系的边界条件

2.3.4损伤结构刚度矩阵的两种表示方法

2.3.5浅埋框架结构的有限元建模和模态分析

第3章改进的BP神经网络方法

3.1概述

3.2标准BP学习算法

3.2.1 BP学习算法的要点

3.2.2对BP网络的评价

3.3改进的BP学习算法

3.3.1学习速率的自适应调整

3.3.2附加动量因子算法

3.4改进的BP网络的基本方法和步骤

第4章基于神经网络的浅埋单跨框架结构损伤诊断

4.1基于神经网络的浅埋单跨框架损伤诊断方法概述

4.2常用损伤标识量的敏感性分析

4.3构造神经网络学习样本集

4.3.1数据的收集

4.3.2损伤标识量DEФ

4.3.3样本分析与选取

4.3.4学习样本的规范化处理

4.4分区式神经网络

4.5浅埋框架结构损伤识别方案

4.5.1 DEФ标准谱分析与改进的BP神经网络相结合的分步识别方法

4.5.2分区式神经网络识别方法

4.6改进的BP神经网络的设计

4.6.1输入、输出参数的选择

4.6.2隐含层数以及隐含层节点数的确定

4.6.3激励函数的选取

4.6.4初始权值的选取

4.7网络的学习与测试

4.8神经网络的计算机实现

4.9算例分析

4.9.1浅埋单跨框架结构的计算模型

4.9.2材料参数

4.9.3动态有限元分析及损伤特征量选取

4.9.4浅埋框架结构的损伤诊断

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文及参与的科研工作