人工神经网络与小波分析在梁式结构损伤识别中的应用研究

摘要

随着现代大型复杂结构的发展，结构的健康诊断越来越重要。神经网络和小波分析成为重要的结构损伤诊断手段。本文通过实例研究了这两种手段结合多步法在梁式结构损伤识别中的应用。 首先，本文结合预应力钢箱混凝土梁试验成果，研究了用神经网络识别梁上荷载和预测其最大承载能力的方法。 其次，对于大型结构，由于构件数量多。如果用神经网络做一次性损伤识别，会使网络输入向量过多而出现不收敛，或训练时间长、精度下降等问题。本文通过一个平面桁架损伤模型的研究，引入子结构概念，通过多步法识别其损伤。即将复杂结构分为不同子结构，以子结构为单位建立复杂结构的计算模型，通过神经网络判断发生损伤的子结构，然后建立各个子结构的计算模型，再进一步定位具体的损伤部位和判断损伤程度。本文还研究了构件的单损伤和双损伤的识别，以及不同的识别因子和参数对神经网络的识别性能的影响。 第三，现场采集到的结构信号常含有大量的噪音，这种信号不能准确反映结构特征，会增加结构损伤识别出现误判的几率。所以，在信号输入网络之前，进行消噪处理，增大信号与结构工作状态的对应性是非常必要的。本文在神经网络的训练数据中加入一定程度的噪声，这样训练后的神经网络对含噪声数据有一定的敏感性，提高了网络的容错性；应用小波分析法对结构频率这一离散信号进行降噪处理，降噪后的数据信噪比有一定程度的提高。

目录

文摘

英文文摘

第1章绪论

1.1本课题研究的背景及意义

1.2本课题国内外的研究现状

1.2.1已取得的主要成就

1.2.2存在的主要问题

1.2.3桥梁健康监测的发展趋势

1.3本文的主要研究内容

第2章人工神经网络和小波分析理论

2.1人工神经网络

2.1.1神经网络发展概况

2.1.2神经网络分类

2.1.3神经网络工作原理

2.1.4自组织神经网络基本原理

2.1.5BP神经网络基本原理

2.1.6径向基神经网络基本原理

2.2小波分析

2.2.1引言

2.2.2连续小波变换

2.2.3多尺度分析

2.2.4小波包分解

2.2.5小波分析在结构诊断中的作用

第3章结构损伤识别理论

3.1概述

3.2基于动力特性的结构损伤识别方法综述

3.2.1基于固有频率变化的损伤识别技术

3.2.2基于模态振型变化的损伤识别技术

3.2.3基于柔度变化的损伤识别技术

3.2.4基于应变模态参数变化的损伤识别技术

3.2.5基于统计信息的结构损伤识别技术

3.2.6基于能量变化的损伤识别技术

3.2.7基于刚度变化的结构损伤识别技术

3.2.8基于残余力向量的损伤识别技术

3.3多步法损伤识别理论

3.3.1子结构概念

3.3.2多步法损伤检测研究概述

3.4本章小结

第4章RBF神经网络在预应力钢箱砼梁承载能力研究中的应用

4.1概述

4.2试验简介

4.2.1设计原则

4.2.2参数选取

4.2.3模型设计

4.2.4试验方法

4.3 RBF神经网络预应力钢箱混凝土梁荷载识别

4.3.1建模的内容

4.3.2数据的预处理和后处理

4.3.3网络结构的确定

4.3.4算例

4.3.5小结

4.4.应用RBF网络预测预应力钢箱混凝土梁极限承载力

4.4.1建模内容

4.4.2数据预处理和后处理

4.4.3网络结构的确定

4.4.4算例

4.4.5小结

4.5本章小结

第5章多步法人工神经网络识别桁架梁损伤

5.1算例模型结构

5.2损伤识别过程

5.3损伤识别第一步

5.3.1识别参数的选择与提取

5.3.2神经网络的选取

5.3.3 LVQ网络识别训练及其性能评价

5.3.4 PNN网络识别训练及其性能评价

5.3.5小结

5.4损伤识别第二步

5.4.1单损伤识别参数的选择与提取

5.4.2单损伤神经网络的选取

5.4.3单损伤识别判断标准

5.4.4 RBF网络单损伤识别及性能评价

5.4.5BP网络单损伤识别及性能评价

5.4.6小结

5.5损伤识别因子识别效果简析

5.6双损伤识别

5.6.1双损伤识别参数的选择与提取

5.6.2双损伤神经网络的选取

5.6.3双损伤损伤识别判断标准

5.6.4 RBF网络识别及性能评价

5.6.5 RBF网络识别小结

5.6.6BP网络识别及性能评价

5.6.7 BP网络识别小结

5.7本章小结

第6章信号降噪分析

6.1提高神经网络含噪数据识别能力

6.2小波降噪的应用

6.3本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文

参加的科研项目