基于人工神经网络的钢结构损伤识别

由于神经网络的非线性映射、自适应及自学习的能力已越来越多地用于结构损伤识别中,本文根据网络参数选择的原则建立了一个三层BP神经网络结构损伤识别模型,对一简支钢板进行了分析。为避免单一频率或模态振型作为输入向量带来的误差,选用与损伤位置和程度相关的组合参数:即结构损伤前后的频率变化平方和少点模态振型作为输入参数。利用训练好后的网络对损伤模型进行诊断和预测,取得了较好的效果。     

基于人工神经网络的钢结构损伤识别

由于神经网络的非线性映射、自适应及自学习的能力已越来越多地用于结构损伤识别中,本文根据网络参数选择的原则建立了一个三层BP神经网络结构损伤识别模型,对一简支钢板进行了分析.为避免单一频率或模态振型作为输入向量带来的误差,选用与损伤位置和程度相关的组合参数:即结构损伤前后的频率变化平方和少点模态振型作为输入参数.利用训练好后的网络对损伤模型进行诊断和预测,取得了较好的效果.     

基于径向基函数神经网络的编织复合材料结构脱层损伤监测研究

鉴于传统的BP网络的速度慢和局部极小值问题，以及针对基于实验数据训练神经网络存在样本不足的缺陷，文中提出了利用径向基函数（Radial Base Function，简记为RBF）神经网络通过有限元方法对含有脱层损伤的复合材料试件进行数值模拟，把前五阶弯曲模态频率进行修正，以修正后的前五阶弯曲模态频率再经过归一化处理构建训练样本的新思路，将实验模态分析结果经归一化处理后送入训练好的RBF神经网络进行预测，从而实现对编制复合材料梁的脱层损伤定位和损伤程度评估。最后给出了编织复合材料结构损伤大小伤识别及定位的算例，仿真结果表明RBF神经网络速度快，稳定性好，精度高，在复合材料结构损伤监测中具有光明的应用前景和重要的工程应用价值。     

基于频率和阻尼分析的含分层损伤复合材料层合板的损伤诊断

提出了一种基于动力有限元分析和神经网络相结合的含分层损伤层合板的诊断方法。采用作者发展的含分层损伤层合板的动力有限元分析模型和方法,计算了具有不同分层长度损伤层合板的频率和模态阻尼值,以此建立样本库。应用反向传播BP神经网络训练和形成网络。典型含层间分层损伤层合板的仿真结果表明,采用对损伤变化较为灵敏的高阶模态阻尼作为网络的输入参数进行分层损伤诊断比常用的模态频率更为合理。本文中提出的是一种用于层合板的分层损伤诊断的有效和经济的方法。      

基于遗传算法优化神经网络权值的损伤识别

针对传统BP神经网络存在着容易陷入局部极小点、训练时间太长等缺点,采用基于浮点编码的遗传算法对BP神经网络的初值空间进行遗传优化.用基于浮点编码的遗传算法来优化BP神经网络的权值,得到最佳初始权值矩阵,并按误差前向反馈算法沿负梯度方向搜索进行网络学习.以弹簧质量系统作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量.对网络进行训练,仿真结果表明:遗传BP神经网络的收敛和诊断能力优于传统BP神经网络,可有效运用到结构的模态参数识别中.     

基于神经网络的海洋平台损伤诊断研究

提出了基于神经网络技术的海洋平台分类多重损伤诊断方法，此方法先将海洋平台结构的构件进行分类和分层，将各类构件损伤引起的标准化的频率变化率输入BP网络，建立系统，进行损伤构件所属的类和所在的层的判定；然后将损伤层内某类构件损伤引起的标准化的损伤信号指标输入概率神经网络，建立系统，进行损伤构件具体位置的判定；最后将损伤构件损伤引起的频率平方的变化比输入BP网络，建立系统，进行损伤程度诊断。数值仿真结果表明。此方法可完成对海洋平台结构的损伤诊断，且具有一定的抗干扰能力。     

基于吊索局部振动与神经网络技术的悬索桥损伤定位

基于由吊索局部振动测试构建的吊索张力指标,应用神经网络技术对悬索桥结构损伤位置和程度识别进行了探讨。首先应用经校正的三维有限元模型,对该方法进行了较为详细的数值模拟分析。模拟了多种可能的损伤工况。采用BP网络,以不同损伤程度下基于吊索频率计算的张力指标作为网络的训练与测试输入,由网络的输出向量来指示损伤位置及程度。然后,利用面向健康诊断专门设计制作的悬索桥试验模型,针对个别损伤工况进行了损伤识别的模型试验研究。数值模拟和试验研究均获得较好的损伤识别效果。该方法的突出优点是只用到少量吊索的局部模态的基频,就能获得较好的识别结果。而对少量吊索的局部模态的基频测量要比其它面向损伤检测的测量容易得多。因此,该方法具有重要的实用价值。     

基于多输出支持向量回归机的有限元模型修正

为了克服神经网络以及单输出支持向量回归算法在有限元模型修正中的不足,提出了基于多输出支持向量回归算法的有限元模型修正方法。根据5-折交叉验证法选择支持向量回归机的参数,用均匀试验设计法构造样本,联合结构的动力和静力响应数据作为输入,多个设计参数作为输出,以支持向量回归机逼近输入输出二者之间的非线性映射关系,然后利用支持向量回归机的泛化推广能力,求解设计参数的目标值。空间网格结构数值模型的分析结果表明,该方法能同时修正多个设计参数,在少量样本的情况下具有较高的修正精度,为有限元模型修正提供了一种新的探索。     

改进生成对抗网络及其在结构非线性模型修正中的应用

提出改进生成对抗网络（Generative Adversarial Network，GAN）并在结构非线性模型修正中成功应用。在改进的GAN中，通过引入代理模型的方式，增强网络判别器对非线性结构各节点响应关系特征的学习能力；为避免传统GAN存在的梯度消失问题，使用跳跃连接和密集连接等方式加强网络层之间的信息交流，并且通过引入组合目标函数，构建模型输入响应与输出参数之间的映射关系实现网络训练。在进行结构非线性模型修正时，结构的动力响应作为网络模型的输入，训练好的GAN模型能够根据输入数据的特征，输出非线性模型参数的最优值，从而实现结构非线性模型修正。通过对地震荷载作用下的12层钢筋混凝土框架结构进行数值模拟，验证了方法的可行性，并通过对比基于卷积神经网络的非线性模型修正结果，验证所提方法的优越性；最后进一步结合地震荷载作用下的悬臂铝梁振动台实验，验证了该非线性模型修正方法的可靠性。     

考虑螺栓球节点半刚性的网格结构有限元模型修正研究

为获取用于螺栓球节点网格结构健康监测准确有限元模型,用具有刚度可调节点单元描述节点半刚性;采用神经网络技术,利用有限测点模态信息构造网络输入参数CPFM,提出对螺栓球节点单元刚度折减系数进行分步修正新方法。以单层柱面网壳振动台试验模型为例,在螺栓球节点精细化模型基础上,基于实测模态数据对其进行有限元模型修正。结果表明,修正后有限元模型能较好反映该网壳结构的真实动力特性,采用分步修正算法能精简神经网络结构,可有效用于螺栓球节点网格结构有限元模型修正,具有一定实用价值。     

基于子结构和遗传神经网络的递推模型修正方法

根据实际动力响应对结构有限元模型进行修正,是实现损伤识别和健康监测的必要前提。针对基于神经网络的模型修正方法的不足,选用均匀设计法构造样本从而有效减少所需样本数量,而且计算效率高。采用遗传算法优化神经网络权值,提高了运算速度。基于上述研究,提出了基于子结构和神经网络的递推模型修正方法。该方法将结构分解成多层次的子结构,选取适当的损伤因素逐步实现逐级的修正。应用该方法对一网壳结构进行了模型修正,修正中首先采用固有频率作为损伤因素,结果表明遗传算法明显地提高了神经网络的计算速度,最后的递推修正效果令人满意;其次提出了采用小波包频带能量作为损伤因素的修正方法,该方法同样准确有效,并且不再依赖传统的模态分析技术,更为实用便捷。     

基于响应面的刚构-连续组合梁桥有限元模型修正

首先对响应面法在有限元模型修正中应用的主要问题,包括实验设计、参数筛选、响应面拟合及参数优化等进行了讨论,进而基于现场动力试验数据对一刚构-连续组合梁桥#x02014;靖远黄河大桥的有限元模型进行了修正。选取箱梁和桥墩的弹性模量以及连续墩顶支座及边跨联端支座的横向和竖向刚度为修正参数,采用中心复合设计法进行实验设计、计算样本值,分别构造两个响应面模型,其中一个考虑交互项的影响、一个不考虑交互项的影响,然后以这两个响应面模型代替初始有限元模型分别进行修正。修正结果表明,考虑和不考虑交互项的影响对修正后部分参数的取值有一定的影响,而对频率的修正精度影响不大。两种模型修正后的频率取值均与实测频率较吻合,修正后的模型能准确地反映桥梁的动力特性,可作为后续损伤识别及状态评估的基准模型。     

基于模型修正的钢管焊接结构焊缝损伤识别

摘要：本文提出了一种基于模型修正的钢管焊接结构焊缝损伤识别方法。利用从发射台骨架试验模型获取的模态参数,选择识别结果中精度较好的模态频率作为模型修正的基准频率。通过对待修正参数的灵敏度分析,运用ANSYS和MATLAB软件对有限元模型进行了修正。以实测模态和计算模态之间的误差建立一个带约束边界非线性最小二乘目标函数,将损伤识别问题转化为优化问题,并采用信赖域方法求解该优化问题。以有限元模型焊接结点单元组弹性模量的降低模拟焊缝损伤,并假定了两种损伤工况,通过对发射台骨架模型的数值仿真及试验研究,结果表明本文提出的损伤识别方法识别效果较为理想,为解决这种复杂焊接结构焊缝损伤识别问题提供了新的思路。     

基于受控结构振型的损伤定位分步识别方法

提出了基于神经网络技术和受控结构振型数据的损伤定位分步识别方法。首先采用状态反馈控制的方法,有目的地对结构进行极点配置,得到设置的受控结构的动力特性数据。将结构划分为若干个子区域,以受控结构损伤前后振型差作为输入参数,利用概率神经网络确定结构损伤所在的子区域,然后用多损伤定位确信准则对结构损伤子区域中的具体损伤位置进行识别。数值仿真表明,利用概率神经网络能有效地确定结构损伤子区域,采用分步识别的策略能大大缩小具体损伤单元的识别范围,而利用受控结构的动力特性参数可提高识别指标对损伤的敏感度,进而提高损伤识别的准确性。     

基于空间位形的在役索膜结构有限元模型修正与安全评估

索膜结构的内力分布与空间位形相互关联,受施工阶段的几何找形与服役阶段的结构损伤、性能退化等影响,在役索膜结构的实际位形与设计状态有所差异,结构的服役性态未知,工程上的安全评估难以操作且并无可靠方法借鉴。该文提出了一种基于空间位形指标的在役索膜结构有限元模型修正方法,以模型中拉索的初始预应力作为优化参数、以结构关键节点坐标的匹配作为模型修正目标函数,通过构建基于结构特征点空间位置信息的目标函数来反映有限元模型与实际结构的吻合度,设计ABAQUS与MATLAB联合仿真优化程序,利用全局搜索和局部优化实现模型修正。现场试验采用三维激光扫描获取在役索膜结构空间位形信息,基于实测数据对有限元模型进行修正。修正后模型与实际结构受力状况更为接近,与索力的实测结果对比表明,有限元模型的索力由修正前最大偏差10%~30%降低至10%以下,验证了方法的有效性与准确度。利用修正后的有限元模型实现了在役索膜结构的安全评估。     

一种海洋平台广义模型修正方法的研究

针对导管架式海洋平台结构的广义模型修正问题，提出了先修正模态振型后修正模态频率的试验方法。首先利用损伤检测方法识别出试验模型中与初始有限元模型有刚度偏差的杆件单元并采用反复迭代修正的方法进行了有限元模型模态振型的修正；然后将地基模拟为三维弹性支承并对其进行优化设计来实现有限元模型模态频率的修正；通过力锤激励下海洋平台的模型试验验证了此方法的可行性，为长期服役且原型结构未测的海洋平台的损伤检测、安全评估研究提供了基础。     

基于响应面全局优化技术的蜂窝板材料性能参数修正

蜂窝夹层板结构广泛应用于航空航天行业中,建立准确的蜂窝夹芯板有限元模型是分析和优化航天器微振动的必要前提。基于蜂窝芯的力学等效参数模型,建立了蜂窝板的动力学有限元模型。使用正交数值实验设计筛选出对蜂窝板动力学性能影响最大的蜂窝芯等效材料参数,并利用基于响应面模型自适应采样技术的全局优化方法快速地完成了蜂窝芯关键材料参数的优化修正。修正后的蜂窝板有限元模型前六阶模态频率与实验结果的平均误差小于1%。     

基于人工神经网络的藏式结构有限元模型修正

针对典型藏式传统建筑年代久远、建造过程无设计图纸、存在太多不确定性,通过有限元数值分析所得结果与实验结果不能较好吻合问题,建立所测结构的有限元模型,并通过人工神经网络方法,以实测结构模态参数为目标对典型藏式结构的有限元模型中部分不确定因素—梁及雀替的等效变截面梁高、材料密度及弹性模量进行修正,得到更接近真实状态的有限元模型。该模型对该典型藏式结构的损伤识别、可靠度评估具有重要意义。     

基于神经网络的短粗转轴裂纹诊断研究

构造Rayleigh-Timoshenko区间B样条小波梁单元,建立短粗转子系统小波有限元模型。求解与不同裂纹相对位置和相对深度相对应的裂纹转子前三阶固有频率。将裂纹相对位置、相对深度、前三阶固有频率作为神经网络的训练样本,训练出用于裂纹定量诊断的神经网络。以实测固有频率作为训练好的神经网络的输入,定量诊断测出裂纹的相对位置和深度。试验研究表明,所提出的裂纹诊断方法具有较好的精度和鲁棒性,且易于在工程实践中进行短粗裂纹转子定量诊断。