基于MISO神经网络的结构损伤识别方法研究

讨论了一种应用MISO神经网络和同级推论技术的损伤识别方法。在识别过程中,系统中的每个子结构都被一组相邻的传感器所测量。选择一个传感器为主传感器,同时形成与传感器布置相应的MISO神经网络,用其对主传感器位置的动力反应进行预测。这样,子结构的动力特性就可以由神经网络隐式的预测。如果子结构没有明显地变化,网络的预测误差会遵循一个稳定的统计分布。利用F假设检验方法预测误差的方差的变化,并且将其作为敏感性损伤指标,用其确定结构是否发生显著变化。     

基于神经网络的平面钢桁架结构损伤识别研究

利用神经网络的鲁棒性、容错性和泛化能力,建立了3个不同的神经网络对平面钢桁架结构进行了损伤定位和定量的评估。首先用PNN神经网络诊断出损伤杆件所在的子结构;并用RBF神经网络进一步诊断出损伤杆件的具体位置;进而确定出损伤杆件的损伤程度。数值仿真表明,该方法用于平面钢桁架结构的损伤识别是可行的。     

面向子结构的空间网格结构损伤定位方法

为了提高诊断效率与诊断结果的可靠性,根据空间网格结构的构成特点提出了面向子结构的损伤定位方法,即根据网格结构的组成规律,将其细分成子结构,采用概率神经网络识别损伤可能发生的子结构。以某单层柱面网壳试验模型为例进行模拟损伤的定位研究,论述了训练样本确定的优先准则,为提高损伤诊断的准确率采取了并集策略。计算结果表明,面向子结构的初步损伤定位法对大型网格结构进行损伤定位是可行的,为现有的面向节点的损伤定位提供了有效的补充,且该方法具有一定的工程实用价值。     

空间网格结构节点螺栓松动损伤定位有限元分析

以单层柱面网壳试验模型为背景进行损伤定位研究,采用ANSYS软件对其螺栓松动损伤进行了有限元分析,利用神经网络的模式分类功能进行了螺栓松动的分步损伤定位,即首先以整体结构为研究对象,采用面向子结构的损伤定位,确定结构是否存在损伤及损伤的大致位置;然后采用面向节点的损伤定位法,确定子结构中螺栓松动损伤的节点位置。研究结果表明：损伤识别的成功率与杆件灵敏度密切相关,为了保证识别结果准确性,其灵敏度达到2%以上才能正确识别,当杆件的灵敏度过低时将无法通过动力测试识别;采用分步损伤定位方法可以显著减少损伤精确定位时训练样本的数量,适合于不完备的模态数据,利用低阶模态数据即可准确识别损伤的子结构与节点位置。     

随机地震作用下层间隔震结构的损伤分析

考虑地震动的随机性对层间隔震结构损伤破坏造成的差异性,选取16条随机地震动,利用Open SEES平台分别对两种隔震结构进行增量动力分析,同时结合改进的Park-Ang局部损伤模型和加权秩和比的统计分析方法分别对层间隔震结构和柱顶隔震结构的损伤破坏模式进行统计分析。研究表明:两种隔震结构的失效均主要表现为隔震层支座、上部子结构梁构件和下部子结构柱构件的损伤破坏,但两种结构各子结构的损伤破坏顺序和破坏机理存在很大差异。层间隔震结构的主要破坏模式顺序依次为:隔震层、上部子结构梁构件、下部子结构柱构件;而柱顶隔震结构破坏依次为上部子结构梁构件、隔震层、下部子结构柱构件。     

基于隧道-土体体系的时域子结构损伤识别方法

城市轨道地下结构在复杂环境和自身材质劣化等多因素作用下会产生不同程度的损伤,影响城市轨道地下结构的正常服役性能。为了实现城市地下结构的损伤诊断,本文基于动力响应灵敏度模型修正算法,提出了一种时域子结构损伤识别方法,实现了无需输入力和界面力信息情况下结构的损伤识别。针对城市地下结构的超长线状特性和复杂性,以隧道-土体体系的有限元模型为基础,推导了时域子结构动力响应关于结构刚度变化参数和力的正交参数的灵敏度矩阵,同时结合动力模型缩聚技术以降低结构的自由度数量,采用提出的时域子结构损伤识别方法可准确识别出隧道衬砌结构的损伤位置和程度,并与整体结构分析对比,验证了时域子结构识别方法的高效性。     

基于RBF神经网络的结构损伤识别方法研究进展

阐述了径向基神经网络(RBF网络)用于结构损伤识别的工作原理,介绍了国内外学者利用RBF神经网络对结构进行损伤识别的研究进展,从网络输入参数、网络算法、结构建模等方面,分析了该方法的优点和存在的问题,指明了进一步研究的方向。     

模型参数误差对用神经网络进行结构损伤识别的影响

通过理论推导得到了模型参数误差对损伤引起模态参数改变的贡献的表达式,用该式可指导神经网络输入参数的选择和输入向量的构造.理论分析表明,适当地构造输入向量,可以减小模型参数误差对结构损伤识别的影响.在采用BP网络和合适的输入向量后,还用数值模拟的方式对一榀六层框架的损伤识别进行了确定性研究和概率分析,结果表明,用神经网络进行结构损伤识别,受模型参数误差的影响很小,在训练神经网络时,10%的模型参数误差是可以接受的.最后,用一个两层钢框架的实验数据验证了神经网络在有模型误差时的识别能力.     

土木工程结构损伤诊断研究进展

土木工程结构具有尺寸大、质量重、自振频率和振动水平较低等特点,其动力响应极容易受到不可预见的环境状态、非结构构件等的影响,这使得结构的健康监测和损伤诊断具有极大的挑战性,是近年来国际上研究的热点。本文综述了土木工程结构损伤诊断方法的最新进展,内容包括动力参数诊断方法、静力参数诊断方法、子结构方法、统计分析方法、神经网络方法等,同时简要介绍了与损伤诊断有关的系统识别与模型修正以及传感器优化布置等的研究进展,最后展望了结构损伤诊断的研究和发展方向。     

考虑残差学习的深层卷积神经网络在结构损伤识别中的应用研究

提出了一种考虑残差学习的深层卷积神经网络损伤识别方法,并将其应用到框架结构节点损伤识别中。采用试验研究方式对所提方法进行了深入探讨,结果表明该方法可以很好地解决网络深化带来的网络退化或梯度爆炸、弥散导致的收敛困难和识别准确率差等问题,能对结构损伤诊断中的损伤定位这一复杂问题进行有效识别。在对试验框架节点损伤位置识别的对比研究中,考虑残差学习的深层卷积神经网络收敛速度和准确率均高于常规浅层神经网络和深层神经网络,有极高的准确率和稳定性,从而使得对于工程中复杂结构损伤诊断所需要的更深层、更复杂网络的搭建成为可能。此外,为提升网络用训练样本的质量和数量,依据样本划分规律提出了一种新的数据样本扩增方法,该方法在相同条件下可以显著增加用以训练的样本量并能弱化数据截断带来的信息缺失,识别准确率和收敛速度也大幅提高,研究显示了该处理方式的有效性和适用性。     

基于动力测试的单层柱面网壳损伤定位与试验研究

针对空间网格结构中杆件数量众多,但杆件按照一定的规律相互组合的特点,提出以面向子结构的损伤初步定位为基础的损伤识别三步法。设计一个157个节点、414根杆件的单层柱面网壳试验模型,对其在完好状态及不同杆件去掉时的5种损伤工况下的振动特性进行实测。然后对试验模型结构进行精细化建模,在其基础上利用部分测点的实测前3阶模态信息构造神经网络输入参数,采用提出的方法对模型的各种损伤工况进行识别。结果表明,基于实测低阶的不完备模态,采用三步法可以精简神经网络的结构,并取得良好的识别效果,验证了所提方法的可行性。     

基于竞争网络的简支梁振型识别

用动力破损评估方法对结构进行损伤评估时，正确识别结构的低阶频率和振型很重要。文章阐述了用神经网络来识别结构振型的途径，结合工程实际，比较了网络无误差学习和带误差学习情况下的识别。     

用于结构损伤识别的神经网络输入选取规则探究

将神经网络作为模式识别工具用于结构损伤位置识别时,其识别效果除了要受到网络隐层数目、各隐层神经元数目、神经元传递函数的形式、训练样本的数量与质量及训练方法的影响外,还会受网络输入性能的影响。在其他因素均相同的条件下,网络输入对网络性能起着决定性作用。为解决网络输入的选取问题,从网络功能、类别可分性和噪声的影响三个方面对网络输入的选取进行了分析研究,提出了用于结构损伤识别的神经网络输入选取的一般性规则,对采用神经网络处理模式识别问题具有参考价值。     

基于神经网络的框架结构损伤多重分步识别

提出了基于神经网络的框架结构损伤多重分步识别方法,建立了用于框架结构损伤识别的高效神经网络。根据构件损伤的多重分步识别思路,把构件损伤识别过程分为:利用神经网络建立损伤异常过滤器对构件损伤进行预警;以频率构造的组合指标作为神经网络输入向量,对构件损伤进行初步定位;以频率和模态振型构造的组合指标作为神经网络输入向量,对构件损伤进行具体定位;以频率平方变化率作为神经网络输入向量,对构件损伤程度进行识别。最后针对三跨四层的框架结构进行了损伤识别数值模拟。结果表明:基于神经网络的框架结构损伤多重分步识别方法简化了网络的结构,能够有效地对框架结构损伤进行预警、定位和定量。     

基于神经网络方法的EMI结构损伤识别

介绍了利用机电阻抗法对铝板的结构损伤诊断,然后建立BP神经网络模型对铝板的不同损伤状态进行识别。将压电陶瓷片PZT粘贴在铝板的中心,利用压电陶瓷的动态特性和压电系统的耦合作用,用阻抗分析仪测得铝板在不同损伤状态下的阻抗变化曲线。实验采用了三个频率范围进行扫描,经比较后,采用300~450kHz。建立BP神经网络模型,将实测的阻抗曲线数据的一部分作为输入参数,对构建的BP网络进行了训练和验证,然后将剩余的数据用于网络的测试。结果表明,网络收敛且具有较好的识别能力。     

基于神经网络的立体钢桁架损伤具体定位研究

探讨了用神经网络对立体钢桁架损伤具体定位法.利用结构损伤前后的模态参数,构造出一系列的损伤指标,研究它们与损伤位置的关系,为神经网络损伤识别输入参数的选择提供依据.用RBF神经网络诊断出损伤杆件所在的具体位置(编号);数值仿真证明了这种方法的有效性.     

基于模态振型和神经网络方法的人防工程结构损伤诊断

随着人防工程建设规模的扩大与发展,对人防工程结构的损伤诊断及其安全性评价已成为亟待解决的重要问题。本文提出了一种基于模态振型与神经网络相结合的人防工程结构损伤诊断方法,构造了以模态振型变化率为输入的BP神经网络。以某人防工程结构为算例,用单元弹性模量E的降低模拟结构的损伤位置和损伤程度,通过给定人防工程结构不同单元不同程度的损伤,计算结构的前3阶振型变化率绝对值之和作为BP神经网络的输入,计算分析表明,利用模态振型与神经网络相结合的方法能够准确地诊断出人防工程结构的损伤位置和损伤程度,能方便、有效地解决地下人防工程结构的损伤诊断问题。     

基于高效神经网络的框架结构节点损伤的多重分步识别方法

提出了基于神经网络的框架结构节点损伤的多重分步识别方法,建立了用于框架结构节点损伤识别的高效神经网络法。根据节点损伤的多重分步识别思路,把节点损伤识别主要分为四步:第一步利用神经网络建立损伤异常过滤器对节点损伤进行预警;第二步以频率构造的组合指标作为神经网络输入向量,对节点损伤进行初步定位;第三步以归一化的应变模态差绝对值作为神经网络输入向量,对节点损伤进行具体定位;第四步以应变模态差绝对值作为神经网络输入向量,对节点损伤程度进行识别。针对三跨四层的框架结构进行了节点损伤识别数值模拟,结果表明:应用神经网络技术,采用多重分步识别方法,简化了网络的结构,能够有效地对框架结构节点损伤进行预警、定位和定量。     

基于神经网络的连续梁桥结构损伤识别

探讨了神经网络技术对连续桥梁的损伤位置和损伤程度识别的方法,用有限元软件ANSYS的模态分析技术对连续梁结构的损伤情况进行模拟,得到损伤标示量并将其作为神经网络训练样本,数值仿真结果表明,该方法对于实际工程结构的损伤识别具有一定的参考意义。     

子结构技术在钢桁桥疲劳分析中的应用

运用子结构方法,建立钢桁桥的有限元模型,把容易发生疲劳破坏的焊接节点作为子结构凝聚到整体有限元模型中。对结构施加移动荷载,进行瞬态分析。结果表明,子结构方法具有较高的精度,能够反映节点部位的疲劳损伤状况;并且,节省了大量的机时。