人工神经网络在桥梁损伤智能诊断中的应用

对人工神经网络的发展及基本原理作了简要介绍 ,并且重点介绍了桥梁损伤智能诊断中常用的BP神经网络模型的结构及其国内外的主要研究成果 ,指出了BP神经网络的一些缺陷 ,并提出了相应的改进方法 ,最终对人工神经网络在桥梁损伤智能诊断发展应用作了展望     

神经网络法在桥梁损伤识别中的应用

对神经网络法进行了简单的介绍,并从其工作原理及基本方法等方面着重对这种方法在桥梁结构损伤识别中的应用进行了阐述,为进一步研究神经网络理论提供了参考。     

动力检测法在桥梁损伤识别中的应用

动力检测法作为一种高效而又准确的损伤识别方法在桥梁的健康监测中获得了越来越广泛的应用。首先叙述了损伤识别的基本内容;然后介绍了桥梁工程损伤识别中常用的方法-动力检测法;最后侧重阐述了动力检测法中的模式识别法、ARMA时序分析法以及神经网络方法。     

基于改进后的BP神经网络在混凝土桥梁损伤识别中的应用研究

混凝土桥梁的损伤识别与定位是目前的研究热点之一。本文在传统BP神经网络的基础上对其进行改进,并将改进后的BP神经网络应用在混凝土桥梁损伤定位与识别过程中。首先建立了识别桥梁的数值有限元模型,然后得到不同损伤情况下的桥梁自振频率和曲率模态值。将自振频率和曲率模态值作为改进后BP神经网络的输入参数,以有限元单模型中的损伤位置和损伤程度作为输出值,进而实现对桥梁结构的损伤定位和损伤识别。最后通过南京浦仪公路混凝土简支梁和连续梁为工程背景进行了验证。结果表明：采用改进后的BP神经网络可以很好的实现对桥梁的损伤定位和损伤程度的识别,并且具有很好的识别精度。即使在噪声存在的情况下,改进后的BP神经网络仍然可以达到很好的识别效果。     

基于卷积神经网络的结构损伤识别研究进展

为系统梳理基于卷积神经网络的工程结构损伤识别方法的发展脉络和研究现状,分别从结构损伤的识别目的和在不同类型结构中的应用两方面进行了归类、分析和评价。介绍了卷积神经网络的基本结构和评价指标,回顾了卷积神经网络的研究和应用历程。在损伤的识别目的方面,主要针对混凝土结构损伤的分类、定位和分割,详细介绍了基于不同类型卷积神经网络的结构损伤识别方法,即基于分类的方法、基于回归的方法和像素级的图像分割算法; 分析了各类方法所使用的卷积神经网络模型的结构特点、计算流程、训练方法和损伤识别性能。在不同类型结构的损伤识别方面,分析了卷积神经网络在砌体结构、钢结构桥梁和古建筑木结构裂缝识别中的应用。最后,基于对卷积神经网络优缺点的思考,提出了发展建议和展望。结果表明:训练样本中结构损伤的多样性对模型的损伤识别效果影响较大; 现有基于卷积神经网络的损伤分割方法模型参数较多,计算量大; 采用数据增广和迁移学习方法可有效防止模型过拟合,提高模型训练效率; 针对微小损伤和不同类型结构损伤的识别,此类方法的性能有待提高。     

基于BP神经网络的结构损伤识别分析

对损伤识别的参数选取作了分析,以一个经典的简支矩形钢梁为例,对基于BP神经网络的结构损伤识别进行了探讨,从算例结果可以看出：BP神经网络控制理论在结构损伤识别分析中应用是可行的。     

斜拉桥损伤识别的径向基函数(RBF)神经网络设计

在文~［１］中用径向基函数神经网络讨论了梁格形式的桥梁构件损伤识别,文~［１］对文~［２］做了改进,识别效果大大改善。本文尝试用径向基函数神经网络对斜拉桥构件损伤进行识别,验证指标函数及径向基网络的设计参数。     

基于神经网络的结构损伤识别研究进展

为提高结构损伤识别方法的精确性和适用性,将神经网络引入到结构损伤识别中。介绍了神经网络的由来、原理和研究意义,概述了国内外基于神经网络的结构损伤识别研究进展。通过分析可以看,出用于结构损伤识别的神经网络方法有着广阔的应用前景。论文针对进一步研究的方向提出了建议。     

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。     

基于小波分析的结构损伤检测

介绍了结构损伤的定义及发展,对损伤识别工作要解决的问题和常用的结构损伤诊断方法进行了分析,阐述了将小波分析与人工神经网络结合起来进行结构损伤检测的方法,并通过算例与传统BP神经网络作比较,以推广其应用。     

人工神经网络技术在桥梁检测评估中的应用

对现有桥梁的评估方法作了简要介绍,重点讨论了常用的BP人工神经网络模型,并将BP模型应用到桥梁结构检测评估中,指出人工神经网络在桥梁结构的检测评估方面一定有很好的发展前景.     

人工神经网络在建筑结构中的应用研究

对日益广泛应用于建筑结构的人工神经网络的基本原理与特征以及误差反向传播的多层感知器网络(BP网络)的多种改进算法进行了介绍,分析了人工神经网络在建筑结构的优化、控制以及损伤诊断等领域中的应用情况,对人工神经网络的推广应用具有一定指导意义。     

基于动力特性桥梁损伤诊断方法研究

基于桥梁结构的动力特性,结合人工神经网络,探讨了分步进行探伤、定位和量估的桥梁损伤诊断方法,以襄荆高速公路某一简支梁桥为算例,采用ANSYS程序建立了三维有限元模型进行模拟损伤分析,验证了所述方法的可行性。     

Structural health monitoring of a cable-stayed bridge with Bayesian neural networks

In recent years, there has been an increasing interest in permanent observation of the dynamic behaviour of bridges for long-term monitoring purpose. This is due not only to the ageing of a lot of structures, but also for dealing with the increasing complexity of new bridges. The long-term monitoring of bridges produces a huge quantity of data that need to be effectively processed. For this purpose, there has been a growing interest on the application of soft computing methods. In particular, this work deals with the applicability of Bayesian neural networks for the identification of damage of a cable-stayed bridge. The selected structure is a real bridge proposed as benchmark problem by the Asian-Pacific Network of Centers for Research in Smart Structure Technology (ANCRiSST). They shared data coming from the long-term monitoring of the bridge with the structural health monitoring community in order to assess the current progress on damage detection and identification methods with a full-scale example. The data set includes vibration data before and after the bridge was damaged, so they are useful for testing new approaches for damage detection. In the first part of the paper, the Bayesian neural network model is discussed; then in the second part, a Bayesian neural network procedure for damage detection has been tested. The proposed method is able to detect anomalies on the behaviour of the structure, which can be related to the presence of damage. In order to obtain a confirmation of the obtained results, in the last part of the paper, they are compared with those obtained by using a traditional approach for vibration-based structural identification.     

青马大桥桥板结构损伤位置识别的数值模拟

通过数值模拟研究了香港青马大桥桥板结构的损伤位置识别问题.分两阶段来识别青马大桥桥板结构的损伤位置,在第一阶段,将青马大桥桥板结构划分为许多桥板段,并根据部分模态分量导出了一个损伤指标,用于指示大概的损伤区域(桥板段);第二阶段,在已知损伤桥板段后,采用神经网络方法来识别具体的损伤构件.数值模拟结果表明,采用本文提出的损伤指标、采用神经网络方法,分两阶段进行青马大桥桥板结构的损伤位置识别是有可能的.     

神经网络在桥梁结构等级状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用。在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的结构等级状态评估,建立了基于3层神经元的模糊神经网络模型,并建立结构损伤度函数及结构等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级。以检测的150组线形检测数据作为学习样本,另外8组作为验证样本进行了线形状态评估预测。计算结果表明,网络预测值与期望值吻合良好。