结构健康监测中基于神经网络技术的两级识别策略

文章简要介绍了神经网络技术算法及两级识别策略,对其在大型土木工程健康监测中的应用进行了探讨。     

小波分析与神经网络在结构多处损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解,根据各种响应信号对损伤的灵敏度选择损伤特征,从而识别结构多次出现损伤的时刻,实现对结构损伤时刻的监控;对结构第1层加速度响应信号做小波包分解,得到各频段能量的特征向量,作为特征参数输入到BP神经网络中实现结构多处损伤位置和程度识别。模拟算例表明,小波分析和BP神经网络联合运用能准确地诊断结构多处损伤的时刻、位置和程度,具有一定的可行性。     

建筑结构损伤神经网络识别方法

结构健康监测是土木工程研究的新课题。随着结构健康监测系统的发展,基于健康监测数据对结构损伤的识别显得很重要,以确保结构不突然破坏。介绍了用于结构损伤识别的BP神经网络法、概率神经网络法,为结构健康监测提供了有效依据。     

结构健康监测与诊断的研究分析

阐述了土木工程结构健康监测与诊断的相关概念,介绍了一个完整的监测系统的组成,对传统与现在的监测手段进行了对比,最后指出其现存的问题,并对未来发展进行了展望。     

简述土木工程结构健康监测

从分析土木工程的现状着手,讲述了建筑物健康监测的必要性,分别从健康监测的定义、诊断方法、监测目标和发展历程等方面进行了论述,并结合国内外应用结构健康监测的工程案例进行了研究,最后对土木工程结构健康监测未来的发展方向进行了展望。     

BP神经网络在桥梁结构损伤诊断中的应用

针对桥梁台后结构损伤分别进行了动力计算和静力试验,提出了采用BP神经网络进行结构损伤位置和程度的识别诊断研究,试验结果表明比较准确可信,该方法具有良好的应用前景。     

论述土木工程结构健康监测的方法

阐述了结构健康监测的概念和内涵,介绍了结构健康监测系统的功能、组成和应用现状.重点阐述了几种常用的损伤检测方法:神经网络法,遗传算法等方法,分析了各种方法的优点和不足之处,指出了各损伤检测方法的发展方向和需要解决的问题.最后介绍了几种最新的结构损伤检测技术.     

神经网络在砖混结构健康监测中的应用

以砖混结构房屋为研究对象,利用具有时变适应能力的Elman动态回归神经网络,建立预测模型,通过对东南角光纤水准仪、位移传感器和梁左端应变传感器监测数据进行模拟预测,得出监测值、预测值曲线图和相对误差。     

压电阻抗技术在结构健康监测中的应用研究

压电阻抗原理在土木工程结构健康监测中的应用得到越来越多的关注。系统阐述了压电材料、压电阻抗原理、压电材料与被监测结构的相互作用模型,以及基于阻抗信息的监测技术,归纳了压电阻抗技术应用中压电材料尺寸选择、扫描频率选择、感应范围、粘结剂影响、数据采集设备的发展、数据处理方法等方面的研究成果,并对目前存在的问题进行了总结和分析。     

基于遗传算法与神经网络的桥梁结构健康监测系统研究初探

在前人研究工作的基础上，根据遗传算法和神经网络在处理复杂非线性问题时的各自特点，分别将其用于桥梁结构健康监测系统的不同部分，提出了建立基于遗传算法与神经网络的桥梁结构健康监测系统的基本设想。由于该项研究工作刚刚起步，文中的有些部分已经经过试验验证，而有些部分则尚处于理论研究阶段，需通过试验进一步证实。     

人工神经网络在房地产估价中的应用研究

将人工神经网络引入房地产估价领域,阐述了B—P神经网络的原理和特点,并提出基于B—P神经网络的房地产估价程序,为房地产估价提供了一种新的解决方法、一种新的思想。     

标准BP神经网络算法和附加动量法在沉降监测中的应用研究

在沉降监测工程实践中,由于采用的预测方法和项目沉降趋势的不同,预测结果的精度会有差异。而随着应用的不断深入,对现有算法进行改进以发挥算法的优势,成为目前预测算法研究的主流。在本文的研究中,编程实现了标准BP神经网络算法和附加动量法。通过研究学习率对标准BP神经网络算法的影响,确定学习率的大小。然后,研究了动量项对附加动量法收敛速度的影响,确定了动量项的取值。最后,对两种算法的稳定性和算法的效率以及预测精度等方面进行比较,探究两种算法的特点。     

响应面法及神经网络模型在岩土工程监测数据处理中的应用

非线性回归、时间序列机会色系统分析能较好地处理一般的岩土工程监测数据序列 ,但对监测数据变化较复杂的序列处理效果较差。响应面法处理技术和神经网络模型则能较好地处理这类复杂数据序列 ,为岩土工程监测信息的客观处理提供了新的研究方法。     

人工神经网络在HVAC系统的应用

阐述了构成人工神经网络(ANN)的M-P神经元模型的结构、输出输入的函数关系及人工神经网络中最常用的学习规则———BP网络。综述了人工神经网络在暖通空调系统中的应用,包括预期平均评价指标(PMV)的预测、房间冷负荷的预测、能量管理、故障诊断及其他应用。介绍了BP网络的改进算法。     

粒子群神经网络在大跨钢结构挠度监测中的应用

针对传统BP神经网络拓扑结构不确定、收敛效率低、容易陷入局部最优解的缺陷,引入粒子群(PSO)算法替代BP神经网络中基于误差函数梯度下降的学习训练规则,构建了粒子群神经网络(PSO-BP)模型,并以重庆某大型场馆安全监测项目为例,通过对比分析验证了粒子群神经网络模型在大跨钢结构挠度监测中的可行性以及与传统BP神经网络模型相比在效率和精度方面的优越性。     

用人工神经网络方法估计桥梁在温度作用下的挠度行为

桥梁结构的挠度变化除了与车辆、人群等荷载有关之外,还与环境的作用密切相关,在大跨径桥梁结构安全监测系统中进行结构安全状态评估时需要知道桥梁结构在环境作用下的行为,以便分离环境与例如汽车、人群等荷载的不同影响。挠度变化是桥梁结构安全监测系统中反应桥梁安全状态最直观的参数之一,荷载与环境的作用、结构材料的变异都可以通过挠度的变化表现出来。但是通常所测得的挠度是桥梁在环境温度、车辆荷载等综合作用下的总响应,而不同荷载条件作用可以使得结构产生同样的挠度,由于不同的荷载条件可以引起同样的挠度但是产生不同的应力,因此将挠度分类是十分必要的。本文尝试用神经网络方法通过实测值来模拟温度与挠度之间的非线性关系,并用它来预测桥梁由温度所产生的挠度变化,从而可以将这温度产生的挠度值从实时的总挠度中分离出来,以便进行其他部分挠度评估的分析。     

BP神经网络在某深基坑工程监测中的应用研究

采用BP神经网络模型对某深基坑工程的变形进行了预测,通过与实测数据的对比分析表明:BP神经网络模型在深基坑工程监测中具有良好的容错性,在围护桩顶竖向及水平位移、围护桩深层水平位移、锚索内力预测方面具有较高的准确度,与实际内力及变形情况较为吻合;BP神经网络模型在地下水位预测中的准确度较低、数据结果离散性较大,不能充分反映水位变化的实际情况;BP神经网络模型在进行短期预测时准确率高,预测曲线与实测数据曲线吻合性较好;在进行锚索内力监测时,当传感器不能及时采集数据的情况下,BP神经网络能发挥预测准确数据的作用;BP神经网络模型隐含层数的选取对预测结果的准确性有一定的影响。     

地下水资源系统人工神经网络模型的建立与应用

本文从人工神经网络的基本原理出发建立了地下水资源系统的人工神经网络的普适模型,并用实例加以验证,结果表明该模型是正确适用的。