结构损伤识别神经网络方法研究

阐述了利用神经网络建立结构损伤辨识系统的过程,并针对结构损伤识别中训练样本多、难以取舍的情况,采用了一种基于正交设计思想的样本选取方法,来构造网络训练所需的“最小”样本集。通过对缺陷板结构损伤识别的实例分析,说明了基于人工神经网络的损伤辨识系统的正确性。     

神经网络用于结构动荷载识别的研究

本文讨论了神经网络用于动荷载识别方法，通过系统输入及输出，建立系统的仿真模型，然后对结构的动荷载进行识别，对解决非线线性辨识问题作了有益的探讨，具有一定的实用意义。     

基于ARMA模型的桥梁结构模态参数辨识研究

模态参数辨识是对结构进行动力损伤诊断的前提,本文介绍了一种通过建立ARMA模型来辨识结构工作模态参数的方法.待检结构在环境激励下发生自由振动,用位移传感器测出振动响应数据,据此建立适当阶数的ARMA模型,并估算模型参数.根据模型参数与系统模态参数的关系算得模态参数.最后用稳定图法剔除虚假模态,确定结构真实模态.重点讨论用ARMA时序模型进行模态频率辨识的问题,并通过一个简支梁振动试验对该方法进行了验证,将试验结果与随机子空间法和ANSYS建模分析法的计算结果对比发现,3种方法识别出的前三阶模态频率基本吻合,且满足精度要求,说明在激励数据未知的情况下,基于ARMA模型的模态参数辨识法能够准确地识别出系统的模态参数.     

企业资源控制中的问题辨识技术

企业资源控制（ERC）的控制器是企业的核心，其控制过程是一个复杂的动态过程，它应具备问题辨识的支持功能，以辅助决策者识别ERC过程中的各种问题，正是基于ERC中问题辨识的重要性，探讨了问题辨识的概念模型，并以此为基础，详细阐述了问题辨识的功能设计和结构伪在企业中有效地实施ERC奠定了一定的理论基础。     

基于模态频率和神经网络的结构损伤检测

把结构损伤识别问题分为损伤辨识、损伤定位、损伤程度标定三个子模块，对每个子模块用模态参数构造对损伤敏感的标识量，并作为特征参数输入到神经网络中实现损伤识别。将优化的BP网络和频率相结合成功地实现了矩形梁的损伤检测，为结构健康监测研究提出一条新的技术途径。     

木材干燥窑的建模与参数辨识

针对木材窑干燥过程，给出了干燥窑的热传递关系式，建立了干燥窑传递函数模型．用最小二乘法对模型参数进行了离线辨识．为准确描述系统的时变特性，用递推最小二乘法对干燥窑的模型参数进行了在线辨识．运用上述方法对所设计的实验窑控制系统进行了辨识．实验结果证明，在线辨识得到的参数准确，模型阶跃响应误差值保持在４％以内．     

灰箱辨识在连续回转电液伺服马达中的应用

为能准确地获得新型连续回转电液伺服马达系统的性能参数,建立了系统的灰箱辨识模型,采用灰箱建模理论进行参数辨识,通过matlab辨识工具箱利用液压系统已知的参数来辨识难以求得的参数.该辨识是一种基于系统物理结构和输入输出测量数据的方法,不但利用了系统的先验物理知识,而且考虑了过程噪声所造成的模型不确定性,能够很好地把握实际系统行为的本质.实验结果证明:该方法对于获得准确液压系统性能参数,建立一个准确模型是非常有效的.     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制，但是传统的模糊神经网络是一种静态映射，不适用于动态系统的辨识，而现实工程中的控制对象反映的是系统的动态行为．为了提高动态系统的辨识精度，提出了一种新型的动态递归模糊神经网络，并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法．仿真结果表明：由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据，对动态系统的辨识，特别是对具有纯时间延迟动态系统的辨识，较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果．同时，确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度．     

FLAT网络在发酵过程建模中的应用

本文使用FLAT网络对一种工业规模的连续发酵过程进行了辨识。发酵过程作为一种复杂的生化反应，它比一般的非线性系统更加复杂，FLAT网络用于发酵过程的辨识，可以得到较高的辨识精度，而且辨识速度快、泛化能力强。     

机床结构传递函数在线识别的可辨识性

肯定了机床结构传递函数的在线识别应当采用闭环系统的辨识方法，讨论了机床切削闭环系统的可辨识性，给出了机床结构传递函数在线识别试验设计的原则。     

结构损伤智能识别方法

应用神经网络、遗传算法建立了交互式结构损伤智能识别系统。详细阐述了软件设计的思想及其实现，并对预测结果与实测数据进行了比较。结果表明，将神经网络和遗传算法用于结构损伤识别是有效的、可行的。     

土木工程结构健康监测的现状及发展

阐述了土木工程结构的安全性评估、健康监测及损伤诊断的必要性和迫切性,介绍了结构健康监测的定义及系统组成,综述了损伤识别的分类,重点对系统识别与模型修正作了详细的阐述,并对小波和神经网络在损伤识别领域的应用作了介绍。     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

多尺度结构动力方程及其在损伤识别中的应用

以一个三层框架结构为研究对象，分析了结构发生损伤时其动力参数的变化特征.应用小波变换，推导了多尺度结构动力方程来分析结构动力系统中的损伤识别.面向结构损伤识别，描述了多尺度动力方程能获得更丰富的结构参数变化信息.根据时变动力系统的结构损伤识别数值计算的特点，应用状态空间法来对结构损伤动力过程进行数值模拟.通过不同激励荷载下的损伤数值模拟和损伤时域识别，研究了多尺度损伤识别的两个关键性问题：不同位置的传感器对损伤预警的敏感性；系统输入荷载频率成分对损伤信息分布的影响.所进行的研究对于在基于小波分析的结构健康监测中合理选择传感器位置、采样频率及确定信号分解的尺度数具有理论指导意义.     

框架结构损伤识别的试验研究

结构损伤识别是开发结构安全监测系统中的一个重要课题。由于结构频率测试容易测试并且有较高的测量精度,因此成为损伤识别中广泛应用的模态参数。根据模态频率的灵敏度分析,本文提出了一种基于结构损伤前后频率变化测量的损伤参数识别方法,用于确定结构的损伤位置和损伤程度。多种工况的框架结构模型的损伤试验结果表明:对于层间剪切结构,通过结构频率变化率法可以确定结构的损伤位置和损伤程度。     

基于关联模态云推理算法的输电塔结构损伤识别

为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题,提出了一种基于关联模态的云推理算法。建立残余力基本方程,并分析了基于残余力向量的损伤识别原理;提出了基于残余力的云推理算法,给出了云模型的数字特征,分析了前件云发生器和后件云发生器,给出了基于灰云模型的定性规则库建立方法,并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点,进一步提出了关联模态云推理算法,以提高损伤识别的精度和可靠性,并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明,关联模态云推理算法可以较好地识别出结构损伤,其识别效果明显优于残余力向量法和残余力云推理算法。     

改进多种群遗传算法在墙土系统损伤识别中的应用

针对墙土系统损伤识别方法进行研究，提出了一种基于改进多种群遗传算法的墙土系统损伤识别方法。首先，建立了墙土系统动测简化模型，同时对土体发生损伤时墙土系统的特征方程进行理论分析，基于系统的特征方程构造目标函数；其次，对多种群遗传算法进行改进，改进的内容主要包括采用实数编码、采用自适应交叉概率、采用自适应变异概率；最后，利用改进多种群遗传算法分别进行了无噪声条件和噪声条件下的墙土系统损伤定位和定量研究。通过分析结果表明：无论对单处损伤还是多处损伤、单一损伤程度还是多损伤程度，按所提出的方法都能较好的识别出损伤位置和损伤程度，具有较强的抗噪声能力。因此，所提出的方法为墙土系统的损伤识别提供一种简单有效的途径。     

损伤识别远程监测系统的数据处理

针对损伤识别远程监测系统的数据处理，提出了一种较先进较实用的解决方法。通过在监测点布置光纤传感器，对要监测的位置进行数据采集。然后利用Delphi编写的界面程序和创建的数据库一起搭建数据处理系统，对采集的数据进行录入及核对等操作。再把Web开发的程序发布在服务器上，利用互联网可以让用户通过浏览器对结构的健康状况作出评估，从而达到损伤识别远程监测的目的。还给出了应用研究的过程和实例。     

基于模态参数的结构损伤识别应用综述

通过对损伤识别领域常用的模态参数如频率、振型、模态曲率、模态应变能、里兹向量及阻尼比进行了分析比较,总结了各参数的优缺点;其次对损伤识别相关算法如模式识别及智能算法工具进行了介绍,概括了两类工具的应用现状。随后针对损伤识别过程中存在的环境因素干扰（包括温度变化影响及外界振动噪声）进行了讨论,论述了环境因素对损伤识别的负面影响。最后,从6个方面,即传感器技术、有限元模型构建、损伤指标、数据处理工具、在线结构健康监测系统开发、以及健康监测标准,对基于模态参数的损伤识别未来的发展趋势进行了预测。