何敏[1]2008年在《基于概率神经网络的桥梁损伤定位研究》文中进行了进一步梳理结构健康监测是当今土木工程领域的一个研究热点。结构损伤识别技术是结构健康监测研究的关键问题之一,神经网络技术是解决这一问题的有效工具。本文对基于概率神经网络的结构损伤识别理论及其在桥梁工程中的应用进行了一些探讨和研究,主要研究内容和结论有:首先综述了国内外关于结构损伤识别的大量文献以及基于神经网络的损伤识别技术的相关文献,对其理论意义、研究应用前景、已有成果和存在问题作了较全面的论述。其次介绍了人工神经网络的基本原理和概率神经网络的模式识别机理,并研究了采用概率神经网络进行桥梁损伤识别的方法和过程。针对桥梁结构中常见的简支梁,根据其各损伤工况下的动力特性,研究了将频率、位移模态、曲率模态及其组合参数作为概率神经网络的输入向量进行桥梁损伤定位的效果。发现基于概率神经网络的结构损伤定位方法能够正确识别单一位置损伤,且组合参数作为输入指标时的识别效果更好。网络的训练次数和训练样本中有无噪声对损伤定位的结果影响较小,网络具有良好的泛化能力和抗噪声能力,但不宜用于多损伤识别。针对结构体系复杂的钢管混凝土拱桥,以北川河桥为例,采用概率神经网络和子结构法对其损伤进行两步定位分析。研究发现在两步损伤定位的过程中,概率神经网络显示了良好的性能,构造拱桥不同子结构损伤识别网络时宜采用不同的输入参数。
戴兴华[2]2006年在《基于小波神经网络的振动结构损伤诊断》文中研究说明随着多高层建筑的飞速发展,为确保建筑物的安全和正常使用,多高层建筑结构损伤检测技术的研究己成为当前热点。因此,研究多高层框架结构的损伤诊断问题具有实际意义。 结构损伤诊断技术是当前结构工程学科十分活跃的研究领域并有广阔的工程应用前景,相关的理论和技术正在不断发展。小波分析是近十几年国际上工程应用研究的一个前沿领域,它被认为是傅立叶分析方法的突破性发展,是一种新的时一频两维分析方法。大多数结构动力响应信号的高频部分比低频部分的频率成分更密集,结构损伤是典型的局部现象,多数损伤信息能在高频或细节成分中捕获。小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对细节的高频部分进一步分解,并能根据被分析信号的特征,自适应的选择相应的频带,使之与信号的频谱相匹配,从而提高了时频分辨率。 本文在探讨已有损伤检测方法的基础上,基于小波变换的时频局部化特性及人工神经网络的非线性映射特性,提出一种基于能量原理的结构损伤诊断方法,将小波变换和人工神经网络的优点结合起来。从框架结构损伤信号小波变换的分量中提取各频带能量,最后将这些特征输入人工神经网络,以损伤状态作为输出,进行训练和分类,成功地诊断了结构损伤的发生、位置和程度。仿真模拟试验显示了该方法的合理性,结果表明训练成功的神经网络可以作为智能分类器对框架结构损伤进行有效的识别和诊断。 基于小波包分解的时频能量,能够从损伤信号频率尺度随时间的变化,以及时间变化在频域的响应两个方面综合反映信号特征,比现有的方法有更高的灵敏度,能检测到振动结构中较小的损伤,是一个对损伤敏感的特征量。结果表明,将小波包分析和神经网络方法联合应用于结构损伤诊断是切实可行的,且诊断效果良好。 本文的研究得到教育部博士点专项利研基金(20040386004)的资助。
高锐[3]2008年在《数据融合方法在结构损伤检测中的应用研究》文中研究说明结构服役期间由于受到使用荷载和各种突发性因素的共同影响,从开始就有可能造成结构损伤。随着结构使用年限的增加,损伤不断积累发展,当损伤累积到一定程度会造成结构抗力的衰减,使结构的可靠性降低,直至导致整个结构的破坏。因此对现役土木工程结构及基础设施进行健康监测,以便尽早发现损伤,及时采取有效地预防和修复措施具有重要的理论价值和现实意义。本文结合国内外在结构损伤识别领域的研究现状,围绕数据融合和损伤检测识别算法等问题对古塔损伤结构进行了研究,主要工作包括以下几方面:1.采用改进后的MAC准则进行结构损伤判定。对一古塔进行了损伤判定分析,研究结果表明当计算的COMAC值和1相差较大时,可以判定结构存在损伤。2.分别采用振型曲率法、模态柔度比变化率法和位移特征参数法叁种损伤检测方法对古塔塔体结构进行损伤定位。建立了塔体结构损伤前和损伤后的SAP2000实体模型,对两模型的数据进行对比。利用上述叁种损伤识别方法结合塔体结构模型对塔体结构的损伤位置进行了有效判定。3.对比了上述叁种损伤检测方法的损伤定位结果,比较了叁种方法进行损伤定位的优劣和各自对损伤的灵敏度大小。4.利用数据融合方法对叁种损伤判定结果进行融合,从而对塔体结构进行最终的损伤定位。通过数据融合消除了不同损伤检测方法对损伤定位结果的不利影响。首先,对每一种损伤方法得到的前叁振型进行了同种检测方法结果的数据融合;其次,对叁种不同损伤检测方法得到的结果进行数据融合,从而得到损伤定位的最终结果,判定出塔体结构损伤的确切损伤位置,最后给出准确结果。5.利用最后塔体结构损伤检测的结果,比较多种损伤检测方法数据融合和单一损伤检测数据融合的优劣。可以看出对多种损伤检测方法得到的数据进行融合检测损伤优于使用对单一方法得到的数据进行融合检测损伤。检测的结果准确、可靠,和实际的损伤位置吻合。
刘义艳[4]2007年在《结构损伤特征提取及诊断方法研究》文中研究指明土木工程设施在服役期内,由于受到荷载和其它各种突发因素的影响,使结构发生损伤,造成重大的经济损失和人员伤亡。因此,对结构健康状态做出及时有效的诊断、准确评估和预示,具有重要的科学理论意义和工程应用价值。本文研究了基于信号分析和神经网络的结构损伤特征提取及诊断方法。论述了实施工程结构健康监测与损伤诊断的必要性与迫切性,介绍了结构健康监测与损伤诊断的基本概念、系统组成、损伤诊断的方法及研究现状。从结构损伤特征提取的角度出发,研究了基于小波包分析的结构损伤特征提取方法。采用正交小波包对ASCE结构的响应信号进行分解,并计算每个频带上的相对能量来表征结构的状态。研究表明:对于相同的损伤,在不同节点处测量信号的小波包能量分布是不同的;不同类型的损伤小波包能量分布有显着的差异;小波包分析为信号处理和特征提取提供一种更加精细的分析方法。为了实现结构状态的自动诊断,研究了一种基于小波包特征提取的BP神经网络结构损伤诊断方法。研究表明:和BP神经网络的其它学习算法相比,弹性学习算法收敛较快、耗时较少,识别正确率较高,适合于结构状态的模式分类;但是,对于同一损伤源,采用不同节点的信号分析时,网络的识别正确率和各项性能指标不同。针对单一节点信号进行损伤诊断的不确定性和片面性,研究了基于多节点传感器特征融合的结构损伤诊断方法。多传感器特征融合,能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有更高的精度和可靠性,提高了损伤诊断准确率。土木结构的损伤在理论上是一个渐进过程,为了能够有效地监测这个损伤过程,研究了基于Hilbert-Huang变换的结构渐进损伤特征提取方法。模拟产生了单自由度模型和多自由度模型结构刚度渐进下降损伤的加速度振动信号,对该加速度振动信号进行Hilbert-Huang变换,并提取瞬时频率。损伤前后,瞬时频率会发生明显的变化,可以作为结构渐进损伤的特征。
武永彩[5]2007年在《基于神经网络的桁架结构损伤识别研究》文中提出结构损伤识别技术是当前土木工程领域研究的热点和难点问题,很多学者进行了大量的研究,也提出了很多方法,相关的理论和技术都在不断的发展之中。本文根据结构损伤前后的动力特性的不同,利用神经网络的鲁棒性、容错性和泛化能力,以平面桁架和立体桁架两种桁架为例,采用叁步法确定出结构的损伤位置和损伤程度。主要研究内容包括;(1)利用结构损伤前后的模态参数(模态频率、模态振型),构造出一系列的损伤指标,并对这些损伤指标进行数学推导,研究它们与损伤位置和损伤程度的关系,为神经网络损伤识别不同阶段输入参数的选择提供依据。(2)为了使大型复杂结构的损伤识别成为可能,引入了子结构的概念。避免了将结构损伤指标一次性输入网络进行训练时,因为向量维数太多,导致网络不收敛的现象。并在此基础上引进了多重子结构的概念。在识别出损伤杆件在某一子结构的基础上,根据结构特性,再将损伤的子结构细分为不同的子结构,从而使损伤的范围进一步缩小。(3)运用基于神经网络技术的桁架结构多重损伤识别方法,把损伤识别分为叁步,首先将杆件损伤引起的标准化的频率变化率及标准化的频率变化比分别输入概率神经网络,进行损伤杆件所在子结构的判定,并对两种指标输出结果进行对比;然后将杆件损伤引起的归一化的损伤信号指标和组合损伤指标分别输入径向基神经网络,进行损伤杆件所在具体位置(编号)的判定,同时对这两种指标输出结果进行对比;最后,将定位出的损伤杆件引起的频率平方的变化比输入径向基神经网络,进行损伤程度评估。运用叁步定位和定量法进行神经网络损伤识别,有效降低了一次性网络输入数据的规模,减小了计算量,缩短了网络训练时间,提高网络识别精度。(4)引入了以结构部分振型代替结构完整振型进行损伤具体定位的方法,并以复杂立体桁架为例进行数值模拟,验证了该方法的有效性。对复杂结构的损伤识别具有很大的指导意义。
熊夏青[6]2012年在《压电智能层合结构损伤识别方法的研究》文中研究表明层合复合材料结构受冲击后造成的隐性分层损伤容易导致材料力学性能的下降，具有突发性和灾难性失效的潜在危险。论文从航空航天等领域利用压电智能结构进行结构健康监控的工程背景出发，研究层合复合材料结构的损伤识别与评估问题，对压电智能结构在结构健康监控工程中的应用具有重要工程应用价值。论文利用有限元软件ANSYS建立压电智能层合板有限元分层损伤模型，以降低弹性模量模拟结构的损伤，建立了损伤量为10%至70%的单点和多点损伤，分别从基于应变模态的模态参数识别方法和基于BP神经网络的模式识别方法进行了损伤识别方法的研究，主要研究内容如下：（1）模态参数损伤识别方法的研究。论文通过分析对比了有损伤结构和无损伤结构的固有频率，位移模态和应变模态，得出结论：应变模态对压电智能层合板的损伤更加敏感，损伤识别更可靠；为了研究应变模态的损伤定位和损伤程度诊断，分别比较了应变模态变化率、应变模态变化差、应变模态差分图对损伤定位和损伤程度诊断的效果，得出结论：应变模态变化率和应变模态变化差都能对单点损伤进行定位和损伤程度定性的诊断，但是对于多点损伤，应变模态变化率识别效果最好，且随着模态阶数越高，应变模态变化差就越难识别；而利用应变模态差分图的损伤识别方法的优势是可不需要结构无损状态数据，就能对单点损伤进行较好的识别，但对多点损伤识别效果不好。（2）研究基于BP神经网络的模式识别损伤识别系统，实现损伤位置和损伤程度定量的识别。该网络将直接应变模态作为网络的输入量，以损伤位置和定量的损伤程度为输出量，研究基于应变模态的BP神经网络智能识别系统。以复合材料层合板仿真算例验证，结果表明：采用层合板前3阶应变模态作为输入向量，利用LM优化算法BP神经网络，可以获得对复合材料层合板损伤识别精度比较好的网络，因此，基于BP神经网络的结构损伤识别方法是非常有效的。
杨进[7]2014年在《大跨度钢—混凝土组合铁路桥梁健康诊断分析研究》文中提出在环境因素和超载等荷载的作用下，桥梁结构会产生老化现象，或出现损伤。如果任由结构的损伤发展，不仅会使桥梁承载力降低，严重的时候还会使整个桥梁结构破坏。近年来，我国桥梁事故频出，造成了严重的财产损伤，甚至是生命的损失。因此，对桥梁结构进行健康诊断和及时的了解桥梁的损伤情况，这是十分有意义的，也是非常必要的。本文以西平铁路太峪80m钢-混凝土组合桁梁桥为工程背景。对该桥梁的结构特点，损伤易产生的部位，产生损伤的典型原因进行了分析研究。对该桥梁在损伤工况下的动力特性和静力学特性进行计算，并与该桥梁在无损状态下的计算结果进行对比分析，得出损伤对该类型桥梁的影响特点。使用有限元软件Midas/Civil进行建模，并模拟各种损伤工况，提取相应的损伤指标数据。结合MATLAB软件，完成RBF神经网络的构建、学习和训练，并使用训练好的神经网络进行桥梁健康诊断。主要研究内容如下：(1)收集了国内外对于桥梁健康诊断的各种方法的资料，分析总结各种健康诊断方法的优劣性和适用范围，找出钢-混凝土组合桁梁适用的健康诊断方法。(2)在掌握神经网络理论的基础上，结合桥梁损伤诊断和神经网络的特点，设计桥梁损伤诊断的RBF神经网络，确定RBF神经网络损伤诊断的步骤。并通过Matlab（2013b版本）软件使RBF神经网络健康诊断方法得到实现。(3)研究钢-混凝土组合桁梁桥的结构特点，分析判断该桥梁的易损伤部位，并对典型的损伤因素进行分析研究。在不同损伤工况下计算该桥梁的静力学特性和动力特性，并与无损状态的计算结果进行了对比，得出损伤对该类型桥梁的影响特点。(4)针对钢-混凝土组合桁梁桥的特点，找出能够有效反应该桥梁损伤的损伤指标。构建RBF神经网络，提取有效的训练样本对RBF神经网络进行训练。使用训练好的神经网络进行钢-混凝土组合桁梁桥的损伤诊断，并判定诊断结果的有效性。(5)使用RBF神经网络健康诊断方法，以结构自振频率为损伤指标，可以有效的对桥梁结构进行异常检测；以振型模态为损伤指标，可以有效的对钢-混凝土组合桁梁的单腹杆损伤、单节点损伤、腹杆和节点混合损伤进行损伤程度和损伤位置的判定。RBF神经网络健康诊断方法对于钢-混凝土组合桁梁的健康诊断是适用有效的。
杨雅勋[8]2008年在《基于动力测试的桥梁结构损伤识别与综合评估理论研究》文中提出桥梁是交通运输系统的重要组成部分，桥梁结构的健康状态是交通运输系统正常运转的前提。桥梁结构在其服役期间，由于受到荷载、环境腐蚀及自然灾害等作用，损伤不可避免。一旦损伤达到一定程度，将导致桥梁结构发生破坏，对国民经济和人民的生命财产安全造成巨大的损失。因此，对桥梁结构进行健康监测研究，有重要的理论意义和实用价值。结构损伤识别方法是桥梁结构健康监测的基础和重要组成部分，近年来人们一直试图寻找能够适用于桥梁结构的损伤识别方法。基于动力测试的结构损伤识别方法是目前国内外研究的热点。虽然该方法的研究已经取得了很大的进展，提出了很多的损伤识别理论和方法，但是由于受到人们认识水平、试验测试技术和现场条件的限制，使得基于动力测试的结构损伤识别的研究仍然进展缓慢，存在很多问题，目前也难以有效应用于工程实践。因此，研究能适合工程实际应用，并且损伤识别结果可靠准确的结构损伤识别方法具有十分重要的现实意义。本文在现有结构损伤识别方法的基础上，针对目前研究中存在的问题，对桥梁结构损伤识别方法进行了研究，主要内容如下：1．在对现有传感器优化布置方法分析比较的基础上，针对传统方法的不足，提出了基于能量系数-有效独立的传感器优化布置方法。本文所提出的传感器优化布置方法是以反映节点自由度模态应变能的系数来修正反映最大线性无关的有效独立法，使传感器布置方案进一步综合优化。以简支钢桁架梁桥为数值算例对本文方法进行验证，所得的方案用多种准则进行评价的结果都较好，既能保证测量振型向量的正交性，又能保证扩阶振型的准确性，并且有较强的抗噪声能力，是一种适合桥梁结构的较为理想的传感器优化布置方法。2．在讨论常用于结构损伤识别的几个指标的基础上，提出了基于灰关联曲率绝对差的损伤识别指标。该指标对结构损伤具有很高的灵敏度，而且仅需低阶模态信息即可获得很好的识别效果。同时，在灰关联曲率绝对差指标的基础上，本文采用分步识别法和多样本平均处理法，用来解决测试模态不完整和测试噪声问题。算例分析表明，本文提出的损伤指标能较好的识别出结构损伤，并具有一定的抗噪声能力。3．在介绍反问题和模型修正方法的基础上，利用坐标模态保证准则和频率构建优化目标函数，提出了基于克隆选择算法的损伤识别方法，克服了传统优化算法在计算中碰到的由于梯度矩阵病态或奇异而使计算无法完成的现象，提高了计算效率。对简支钢桁架梁桥中设定的损伤进行了识别研究，结果表明本文提出的方法能明确的识别出结构的损伤位置及程度，而且具有较好的抗噪声能力，适合于实际工程应用。4．提出了基于集成神经网络的结构多级损伤识别方法，采用分阶段改进参数作为网络的输入参数，分步实现对损伤的报警、定位和程度识别，克服了单个神经网络功能的单一局限性，增强了网络的泛化能力、降低了网络规模、减少了网络的训练样本集和训练时间。数值模拟的结果表明，本文提出的基于集成神经网络的结构多级损伤识别方法是有效的，而且具有一定的抗噪声的能力。5．在金水沟特大桥竣工动载试验的基础上，确立了大桥的健康基本状态。依托铁道部科学研究院金水沟特大桥健康监测课题，结合金水沟特大桥自身结构特点，对其健康监测实施方案进行了设计。采用本文提出的叁种损伤识别方法对金水沟特大桥主梁关键位置所设定的损伤进行无噪声情况下的识别研究，比较了叁种方法的优缺点。6．在介绍传统桥梁综合评估方法的基础上，将可拓理论应用于实际桥梁工程之中，提出了基于组合权重的区间可拓评价理论，建立了桥梁状态等级评定模型。工程实例表明，本文所提出的评价模型能够对桥梁状态进行客观、可靠的评价。
范进胜[9]2005年在《神经网络在钢筋混凝土框架结构损伤检测中的应用研究》文中提出钢筋混凝土框架结构由于其取材方便、造价低廉、耐久性好等优点,在国内外得到了广泛的应用。但是大量在役建筑己接近设计基准期,还有的由于超载、意外荷载等种种原因,在不同程度上受到了破损,存在着一些质量隐患。这些损伤和质量隐患有时会造成工程结构的严重破坏甚至倒塌,使国家和人民的生命和财产安全受到严重威胁。因此,加强钢筋混凝土框架结构损伤检测的研究是十分必要的。近年来,国内外许多学者一直在努力寻找能够准确进行结构损伤检测的方法,由于人工神经网络非线性映射能力强、计算速度快、具有高度的鲁棒性和容错性,非常适宜用于结构的损伤检测,因此许多学者进行了该领域的探索和研究,并取得了很多成绩,但是也存在一些问题,如神经网络类型的选定、网络输入参数的选取、训练样本数量的确定、实际测试数据不完备等。本文在分析以往研究成果的基础上,找到了一个基于曲率模态的对钢筋混凝土框架结构损伤识别有效的参数——振型曲率比。使用该参数仅需得到结构损伤前后的第一阶模态振型,然后计算出结构的振型曲率比,就可以据此识别出结构的损伤位置,并可以大致判断损伤程度。数值算例表明,该参数对于框架结构单处和多处损伤的位置和程度都可以较好的识别。作者利用ANSYS有限元分析软件对一个平面钢筋混凝土框架模型进行了模态分析,并用APDL编制程序计算该结构在损伤前后的振型曲率比。在此基础上,用结构的振型曲率比作为输入参数建立了一个BP神经网络,采用前面数值模拟得到的数据分别作为训练样本和预测样本。针对当所研究的对象为大型复杂结构时,神经网络需要数量庞大的训练样本这一弊端,根据数值模拟得到减少训练样本的方法,并得到了验证。同时,神经网络仿真预测的结果表明用振型曲率比作为网络的输入参数可以较好的识别结构单处和多处损伤的位置和程度,而且只需要结构的第一阶模态振型,大大减少了实际测试的工作量,简单有效,在工程上有很大的可行性。本文根据前面的分析情况,在文章最后提出了应用神经网络进行结构损伤检测的发展前景和亟待解决的问题。
张冬兵[10]2007年在《基于模态参数的损伤识别方法研究》文中研究指明本文采用数值模拟的方式对多种结构损伤识别方法进行了初步分析，选择并改进了其中的损伤识别方法，让识别有更好的精度和实时性。为了提供各种损伤识别方法较优的模态参数，文中对模型实验进行了测试方法和模态参数分析，同时也采用了实际工程数据对模态试验进行了初步分析。本文采用分步损伤识别方法。损伤位置识别是基于曲率模态参数及模态置信准则的联合应用，并同时比较了各种模态参数对损伤反映的灵敏性，说明局部曲率模态参数对损伤反映较优；分别说明了两种损伤识别方法的优缺点，并分析其联合后对损伤识别完备性的改善；通过对局部曲率模态参数的分析，采用改进了的坐标模态置信准则建立了损伤程度标识量选取的统一标准。损伤程度识别由BP神经网络完成，考虑了结构健康监测系统实时性的要求，所以只对监测系统中使用神经网络快速识别损伤进行了模式性的探讨。动力检测是利用结构的动力响应识别结构特征参数，进行结构性能、损伤等方面的评价，所以结构特征参数的识别和分析对基于模态参数的损伤识别方法至关重要。文中的模型实验采用了锤击法和扫频振动两种方法来分析并识别结构模态参数。通过实测数据的对比和分析，说明了两种方法进行模态参数识别的优缺点，为测试模态参数的方法选择提供参考。模态参数的灵敏度分析能为模型的修改提供参考；频率分析验证了测试模型中附加质量与其频率改变量之间的关系。文中通过桥梁模态试验的方案和测试结果，初步分析了环境激振模态试验在桥梁检测中的作用和不足。
参考文献：
[1]. 基于概率神经网络的桥梁损伤定位研究[D]. 何敏. 西南交通大学. 2008
[2]. 基于小波神经网络的振动结构损伤诊断[D]. 戴兴华. 福州大学. 2006
[3]. 数据融合方法在结构损伤检测中的应用研究[D]. 高锐. 西安建筑科技大学. 2008
[4]. 结构损伤特征提取及诊断方法研究[D]. 刘义艳. 长安大学. 2007
[5]. 基于神经网络的桁架结构损伤识别研究[D]. 武永彩. 武汉理工大学. 2007
[6]. 压电智能层合结构损伤识别方法的研究[D]. 熊夏青. 南京航空航天大学. 2012
[7]. 大跨度钢—混凝土组合铁路桥梁健康诊断分析研究[D]. 杨进. 兰州交通大学. 2014
[8]. 基于动力测试的桥梁结构损伤识别与综合评估理论研究[D]. 杨雅勋. 长安大学. 2008
[9]. 神经网络在钢筋混凝土框架结构损伤检测中的应用研究[D]. 范进胜. 河北农业大学. 2005
[10]. 基于模态参数的损伤识别方法研究[D]. 张冬兵. 兰州理工大学. 2007