用统计神经网络进行结构损伤存在检测

用新奇检测的方法来检测结构损伤的存在 ,因其不需要建立结构的计算模型 ,能适合于大型复杂结构的损伤检测。然而 ,目前采用的新奇检测方法—自联想记忆神经网络方法 ,当所用的测试数据具有不同噪声水平或为非正态分布时 ,可能会得出错误的结果。为此本文提出了一种新的方法—统计神经网络方法用于结构的损伤存在检测 ,并用“可能性”来描述结构损伤的存在。通过一个两层框架的数值模拟和一个简支梁的实验数据分析 ,证明统计神经网络可以用来检测结构的损伤存在 ,并且具有比自联想记忆神经网络更好的检测效果     

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。     

基于区间估计的结构损伤识别方法研究

当检测样本与训练样本的噪声水平不同时，用“自联想”神经网络对结构损伤存在性进行识别时会出现正误判，为解决这一问题，提出用区间估计的方法对结构损伤存在性进行识别，给出了2种情况下区间估计的计算方法。研究表明：当结构没有损伤时，即使检测状态的噪声水平与初始完好状态的噪声水平不同，区间估计的方法也能给出较高正确率的识别结果；当损伤达到一定程度时，只需要相对较少的样本，即可由区间估计的方法对结构是否发生损伤做出正确的识别。     

基于Sym小波与BP神经网络的装配柱钢筋套筒灌浆连接缺陷检测方法

为检测装配柱钢筋套筒灌浆连接由于施工原因而产生的缺陷程度,采用ABAQUS建立有限元模型,利用Sym8小波基对装配柱加速度响应时程曲线进行小波分解,提取各个频带成分的能量占比变化量。构造特征向量作为BP神经网络的输入向量,定义弹性损伤系数与塑性损伤系数,分别作为神经网络的输出值。通过数值模拟的方法获得多种损伤工况下的训练样本用以训练网络,建立特征向量和装配柱套筒连接段等效弹性损伤与塑性损伤的对应关系。最后,通过有限元模型获得一系列测试样本用以检测网络的识别能力。结果表明,训练得到的神经网络可以对装配柱钢筋套筒灌浆连接的等效损伤程度进行识别,为实际工程中的检测提供了参考。     

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。     

基于模态应变能与神经网络的钢网架损伤检测方法

神经网络通过对样本的学习,获得结构模态参数与损伤之间的映射关系。目前基于神经网络的损伤检测已经越来越广泛地使用在非破坏性损伤诊断当中。但对于大型结构而言,它的训练样本数量过大,将消耗大量的计算。所以如何降低神经网络的计算量使其可用于大型结构的损伤诊断是一个亟待解决的问题。为了解决这个问题,提出了空间钢网架损伤的两步诊断法:第一步,利用模态应变能对结构损伤的敏感性,判断出结构损伤的可能位置;第二步,利用神经网络从可能发生损伤的杆件中定位出实际损伤的位置,并进行损伤程度的判断。利用一个空间网架作为数值算例,进行可行性验证。结果表明此方法可以准确判断出结构的损伤位置以及损伤大小,是一种行之有效的方法。     

基桩检测技术的研究进展

文中对各种基桩检测方法的适用性、优劣及其现存问题进行了归纳总结.重点评述了近10年来发展潜力巨大的神经网络、遗传算法、小波分析等方法在基桩承载力预测及损伤识别中的应用,认为通过将小波分析与神经网络结合及遗传算法与神经网络结合的方法建立基桩智能测试专家系统,可能是将来最为行之有效的基桩检测手段.     

结构损伤的智能诊断

本文介绍了结构损伤的动力学原理,总结了当前流行的关于结构损伤的神经网络的一般常识,并对结构损伤检测提出了一些有益的建议.     

基于BP神经网络的装配式剪力墙连接损伤检测方法

利用BP神经网络算法,结合ANSYS进行高精度数值模拟,设计了一种用于预制装配式剪力墙连接处损伤检测的方法,该方法能有效对损伤进行定位并评估损伤的程度。在识别参数中将动力响应参数传递系数变化率与前三阶振动频率变化率作为输入参数,将损伤率作为输出参数,通过ANSYS的高精度数值模拟,获得大量的训练数据来训练BP神经网络。测试结果表明,对于单点损伤,损伤定位的准确率达到了96.67%,损伤程度的识别率也达到了一定程度的准确率;对于两点损伤,也能有较好的损伤定位效果。这些都表明该方法具有良好的运用前景。     

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。     

优化神经网络在油石比预估中的应用

利用反传神经网络算法由沥青混合料级配等参数作为输入参数估计沥青混凝土最佳沥青含量，针对传统BP网络的缺陷，通过改进网络初始化、网络结构，采用动态的网络学习机制，提高了反传神经网络在最佳沥青含量预估中的稳定性和泛化性能。     

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。     

神经网络在液压泵故障诊断中的应用

神经网络作为一种模式识别的手段已经成为故障诊断的热研究课题，本文对目前广泛应用于故障诊断的ＢＰ神经网络进行了介绍，并对神经网络在液压泵故障诊断中的应用进行了综述。     

大跨度空间网格结构的损伤定位

本文建立了基于模态曲率法和人工神经网络技术相结合的、适用于大跨度空间网格结构的损伤定位新方法,即首先应用模态曲率法判断结构是否发生损伤并识别发生损伤的局部结构,然后对发生损伤的局部结构利用人工神经网络技术识别损伤的准确位置。通过分析和比较发现,以模态曲率为基础的损伤参数比较适合于大跨度空间网格结构的损伤定位,三种以模态曲率为基础的损伤定位参数按有效性进行排序,从低到高依次为模态曲率、模态曲率差、模态曲率变化率;针对天津奥林匹克中心体育场大跨度悬挑管桁结构进行了不同损伤状况的数值模拟,验证了所建立的损伤定位方法的适用性和有效性。研究结果表明:利用模态曲率变化率识别损伤发生的大致位置,当单榀桁架发生损伤时,识别的准确率达到100%,当多榀桁架同时发生损伤时,识别的准确率达93.7%;采用人工神经网络技术识别损伤桁架的准确损伤位置时,在无测量噪声影响下,损伤定位的准确率达到97.0%,且测量噪声对损伤定位准确率的影响很大。     

BP神经网络在建筑工程估价中的应用

通过对BP神经网络的介绍以及工程数据的预测，说明将BP神经网络应用于工程估价中是完全可行的，而且达到的精度是满足要求的。     

神经网络在结构工程健康监测中的应用探讨

建立结构损伤诊断子系统是建立大型工程结构智能健康监测专家系统的核心问题。人工神经网络技术可以实现结构损伤的自动识别与定位,具有广阔的应用前景。本文介绍基于人工神经网络的两级损伤识别策略,并对采用人工神经网络进行结构损伤诊断的网络输入参数与网络结构选择等关键问题进行了探讨。     

基于小波分析的神经网络在混凝土测强曲线拟合中的应用

将小波母函数嵌入人工神经网络的神经元形成紧致型小波神经网络,将此种网络用于混凝土非破损检测的测强曲线拟合和预测,提升了纯粹的BP神经网络的拟合和预测精度,效果远胜于最小二乘拟合和预测.通过一个算例对小波神经网络的高精准性和非性线逼近能力进行了验证,对实验数据进行了统计分析,结论表明小波神经网络优于BP神经网络.     

用人工神经网络建立混凝土本构模型

分析了混凝土本构关系的复杂性，介绍了运用神经网络建立混凝土本构模型的基本方法，探讨了人工神经网络技术中存在的问题，从而促进人们准确全面地分析需要设计的结构。     

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。