基于BP神经网络的结构损伤识别方法研究

分析了神经网络技术在工程结构损伤检测中的应用原理,通过理论分析,得出了结构损伤前后的固有频率的变化规律,并且该变化规律包含了结构损伤位置程度的信息。通过对悬臂板结构进行数值模拟试验,采取固有频率作为神经网络的输入参数,构造改进型BP神经网络结构,应用训练后的神经网络对悬臂板结构进行损伤识别。结果表明,该方法在工程结构的损伤检测中有较好的应用价值。     

基于神经网络的结构损伤诊断分析

应用人工神经网络技术,以结构的固有频率为特征参数,建立结构故障诊断模型,对工程中常用的简支矩形截面梁裂纹深度和位置进行了诊断和预测研究,从实例可以看出,应用人工神经网络技术对工程结构进行裂纹损伤故障的综合诊断和预测分析是切实可行的。     

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。     

基于频率及振型参数的结构损伤识别方法

本文对基于结构模态参数的损伤识别方法进行了深入探讨,对一种传统的基于频率变化的结构损伤识别方法进行了分析改进,并建立了一种新的基于频率和振型参数的结构损伤识别方法。通过数值仿真证明传统的基于频率变化的结构损伤识别方法的单步识别精度随单元刚度损伤程度的增加而降低,提出此类方法宜设计成迭代算法,数值仿真结果表明本文的修正建议是合理有效的。针对有损结构前几阶固有频率和对应的模态位移可供利用的情况,提出一种基于广义逆的损伤识别方法,数值仿真结果证明了该方法的有效性。     

结构损伤的神经网络定位研究

利用神经网络技术对结构损伤定位进行了研究，用有限元模态分析技术对悬臂梁有、无损伤的情况分别进行了模拟，得到一系列频率变化数据，将这些数据与损伤位置关系作为δ规则下的ＥＢＰ网络学习样本，网络训练好后，取不同损伤益的频率变化数据输入网络计算，推断损伤位置，发现推断损伤与实际损伤位置非常接近，从而证明了损伤前后的频率变化与损伤位置存在比较确定的映射关系，也说明了ＥＢＰ网络具有很经的自组织，自适应和自学习     

神经网络集成在结构损伤识别中的应用

将神经网络集成引入到结构损伤识别领域中,并利用灰色聚类技术对获得的全部个体神经网络模型进行聚类,将得到的差异较大的部分神经网络进行集成,以提高神经网络间的差异性和增强网络的泛化能力。损伤识别实验结果表明,基于灰色聚类的神经网络集成方法不仅可行,而且其损伤识别效果优于传统的神经网络模型。     

高效神经网络训练及其在桁架损伤识别中的应用

将应变模态相对变化率作为损伤指标,探索了与人工神经网络结合对桁架结构进行损伤识别的方法。利用ANSYS的命令流语言APDL编写二次开发程序,实现结构不同损伤工况下的模态自动求解过程,并定义APDL中多维数组参数,将不同损伤工况下计算得到的模态参数存储于外部设备。在人工神经网络训练阶段,再借助于Matlab软件的外部文件调用功能,将模态信息加以批量提取。数值仿真表明,本文的方法是一种高效的人工神经网络训练模式,且仅用一阶应变模态改变率就可实现对桁架结构的损伤识别,便于在实际工程中应用。     

神经网络在结构损伤模拟中的应用

识别一个结构在震状态下的变化，在结构监测中是十分重要的，神经网络就非常适用于这种目的。本文研究了使用可分析的学习样本来训练神经网络的可行性问题，神经网络从损伤状态训练产生，然后用于诊断一个五层钢框架在一系列震动模拟中的状态。结果表明，使用神经网络可使在线结构诊断更加可行。     

基于静力位移及频率的结构损伤识别神经网络方法

模型误差、量测噪声及量测数据不完整等因素是制约结构损伤识别技术应用的主要难点.为此,利用结构部分节点静力位移以及前几阶固有频率构造出神经网络合适的输入参数形式.采用改进动量BP神经网络算法对一五榀桁架结构进行了损伤识别数值模拟研究.识别结果表明,在一定水平噪声及量测数据不完备条件下,网络仍有较好的识别损伤位置及程度能力.     

神经网络在结构损伤识别中的应用研究简

针对人工神经网络具有自主学习、记忆及模式匹配能力,提出建立一个三层BP人工神经网络,并将其应用于结构的损伤识别研究.     

基于BP网络的结构损伤识别

结构的动力特性和结构参数直接相关，结构的损伤将引起相应动力特性的改变，因此，如果能建立结构动力特性变化与结构损伤之间的映射关系．则可以利用结构振动测试信息实现结构损伤诊断。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点，正越来越多的用于基于振动的结构损伤识别。但是对于大型复杂结构，普遍存在网络结构复杂。识别效率低下的问题。以框架结构为例．应用BP网络分阶段的进行损伤位置、损伤程度的识别，这有效降低了网络的复杂性，减少了学习样本。提高了学习效率。     

基于神经网络的框架结构破损评估

提出了基于神经网络的框架结构破损评估方法,为动力条件下结构的破损评估提供了一条新的途径。通过计算模拟,对本方法的适用性和有效性进行了讨论,数值结果证实了该方法的可行性。     

基于神经网络的空间桁架结构损伤三重识别

以一72杆空间钢桁架为例进行桁架结构损伤三重识别．考虑单损伤工况与双损伤工况,通过ANSYS软件建模得到结构在无损与损伤工况下的固有频率,运用神经网络进行结构损伤定位与损伤程度确定．首先识别损伤层,然后识别损伤层中的损伤杆件,最后识别损伤杆件的损伤程度．结果表明该方法用于桁架结构损伤识别是可行的．     

基于GA-BP和GA-RBF网络的结构损伤识别

首先指出了当人工神经网络算法解决结构工程实践问题时,网络结构本身所面临的缺陷;然后描述了人工神经网络和遗传算法的概念,从理论和实例上说明了运用遗传算法优化和改进神经网络结构的可行性,以结合二者的长处解决工程实践问题;接着详细阐述了如何利用遗传算法优化或改进BP(B ack P ropagation)网络模型和RBF(R ad ia l B as is Function)网络模型,以及如何利用遗传优化BP网络和遗传优化RBF网络模型分析结构损伤,进而比较遗传BP网络和RBF网络在结构损伤分析方面的性能。     

人工神经网络在轨道振动分析中的应用

综述了人工神经网络在轨道振动分析中的应用．介绍了轨道振动分析中人工神经网络常用的模型和基本性能；讨论了人工神经网络在该领域及相关领域的应用情况；最后展望了其发展趋势和应用前景．     

悬臂板损伤数值模拟试验与WPNN识别方法

通过分析小波概率神经网络(WPNN)与数据融合技术在工程结构损伤识别中的应用原理,建立了基于小波概率神经网络和数据融合技术的模型.对悬臂板结构进行了数值模拟试验,运用损伤单元数据作为输入向量训练了WPNN与数据融合的损伤识别模型,并选取4个单元作为检验样本进行检验,检验的结果与数值试验分析吻合较好,从而表明,该方法在工程结构的损伤识别中有较好的应用价值.     

结构动力特性的人工神经网络预测

在 Kolmogorov多层神经网络映射存在定理基础上 ,证明了一个三层神经网络可以描述机械结构设计变量与其动力特性参数之间的映射关系 ,给出了预测机械结构动力特性的人工神经网络实现方法 ,并通过仿真算例验证了该方法的有效性     

人工神经网络专家系统应用研究

叙述了人工神经网络的特征及其在专家系统中的应用 ,讨论了人工神经网络专家系统的优缺点 ,并进一步描述了其前景和意义 .     

模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理，分析了一般BP神经网络在研究复杂性问题时存在的局限性，根据模糊人工神经网络模型的构建方法，探讨了该模型在矿井构造定量评价中的应用，结合鲍店煤矿的实际资料，对建立的模糊人工神经网络模型进行了学习训练，对未采区的构造复杂程度进行了预测，结果表明：模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果．