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.     

斜拉桥拉索风雨振观测及其控制

介绍了在湖南岳阳洞庭湖大桥进行风雨振观测的情况,得到了拉索加速度时程曲线、拉索振动的加速度轨迹和共振频率;通过数值仿真和现场试验全面评估了磁流变阻尼器对拉索振动控制的性能,得出了阻尼器安装位置、外部激励大小及阻尼器输入电压大小等参数对拉索系统各阶模态阻尼比的影响规律及磁流变阻尼器的减振效果。结果显示在安装磁流变阻尼器后拉索系统的前三阶模态阻尼比大大增加,并且存在一个优化电压,在该电压下能取得最大的模态阻尼比,表明磁流变阻尼器具有良好的减振性能。实际风雨振观测进一步验证了其良好的减振效果。     

磁流变阻尼器对斜拉索振动控制研究

大跨度斜拉桥拉索的风雨振现象越来越引起人们的重视,应用磁流变阻尼器进行拉索振动控制是一种新的探索。本文采用模态坐标表示的拉索运动方程和Bingham模型,对磁流变阻尼器-拉索系统的阻尼特性进行了全面仿真模拟,得到了阻尼器安装位置、外部激励大小及阻尼器输入电压等参数对系统前三阶模态阻尼比的影响规律,介绍了在洞庭湖大桥应用磁流变阻尼器进行拉索振动控制的试验研究情况,试验与仿真结果具有很好的一致性,表明仿真计算模型和方法是正确的和可行的。对磁流变阻尼器减振效果的仿真计算表明,该阻尼器具有很好的减振性能。在实际风雨振发生时实测的加速度响应进一步印证了仿真结果,表明应用磁流变阻尼器能很好地抑制拉索风雨振现象,磁流变阻尼器将是抑制拉索风雨振一种非常有效的手段。这些对于应用磁流变阻尼器进行拉索振动控制具有重要的指导意义。     

基于神经网络的损伤构件及损伤程度识别

确定损伤构件及其损伤程度是分阶段损伤识别的最后一步,同时又是进一步制定结构安全运行决策的前提和基础。研究了在确定了结构损伤区域的条件下,应用反向传播(BP)神经网络同时实现对具体损伤构件及其损伤程度识别的方法。探讨了针对上述神经网络训练数据的构造和训练策略。应用提出的方法对汲水门斜拉桥桥面结构进行了损伤识别仿真模拟。基于模态参数对损伤的灵敏度分析,选取了12个自振频率和损伤区域附近的6个振型分量作为构造网络输入的基本数据。网络的输出向量同时指示了损伤构件及其损伤程度。就模拟的10种损伤情况,当损伤程度达到60%以上时,有9种实现了正确的构件识别,半数以上给出了可以接受的损伤程度描述。     

介绍一种可在任意层设大空间的高层建筑新结构

本文介绍一种可在高层建筑任意层设置大空间的新结构。其大跨度层的上层结构为一个个的空腹桁架，它们各自承受本层的荷载，我们称这种结构为叠层空腹桁架结构。文中分析了若干这种结构的静力和动力性能及其适用性。     

基于特征向量简化的复杂土木结构损伤检测

针对PNN在有噪声情况下进行结构损伤检测时输入矢量数目大,匹配模式多,训练时间长的缺点,提出了运用主组分分析法来处理数据的概率神经网络损伤定位方法.研究发现,运用该方法进行损伤定位,不仅输入矢量数目和训练时间少于未简化的PNN,而且可以极大地提高损伤定位的识别精度.     

框架结构连接损伤识别神经网络输入参数的确定

神经网络已越来越多地被用于基于振动的结构损伤识别。而如何选择输入参数还是一个值得研究的问题。本文提出了一种由 频率与少数点的模态分量合成的组合参数，作为神经网络的输入向量，以克服单独使用某种参数的缺陷。通过一个六层框架的数值模拟和一个两层框架的实验验证，表明本文提出的组合参数对框架结构的连接损伤识别是实用可行的。     

各向异性薄壳张量形式的变分原理及其在曲线桥分析中的应用

在本文中首先提出各向异性薄壳张量形式的变分原理,其中包括势能原理和混杂变分原理。当前立交桥和高速公路发展迅速,亟需圆曲线桥的有效和精确的计算方法。为此目的,作为特例,列出平面极坐标情况的变分原理。 在梁、板式桥梁中常将梁、板看成各向异性的板。本文第二部分,对两个方向的刚度张量和柔度张量进行了推导,并分别考虑了直角坐标和平面极坐标两种情况。 混杂元法是求解平板问题的良好方法。根据文中提出的混杂变分原理,本文推导了四边扇形混杂单元的性质矩阵和折算荷载。最后,用以上混杂有限元法作了曲线桥的计算实例。为了便于了解曲线桥的变位和受力情况,在算例中绘制了变位和弯(扭)矩的影响场。     

斜拉索振动被动控制中电/磁流变阻尼器的最优阻尼器能量输入

研究了电／磁流变（ER／MR）阻尼器在恶劣条件下作为被动阻尼器使用时斜拉索的振动问题。对斜拉索和阻尼器的振动特性进行研究，采用Halmiton原理和模型识别技术建立斜拉索-阻尼器的非线性数学模型；采用随机噪声作为激励，通过不断调整阻尼器的能量输入，进行斜拉索-ER／MR阻尼器系统的振动被动控制试验。试验结果表明，存在一个最优的阻尼器能量输入，在该输入下能够有效地抑制斜拉索振动。根据所建立的非线性动力计算模型得到的计算结果与振动控制试验结果吻合良好。考虑到系统的非线性，研究了荷载大小和阻尼器安装位置对最优阻尼器能量输入的影响。研究结果为在恶劣条件下利用ER／MR阻尼器进行斜拉索振动被动控制时的阻尼器设计提供了依据。     

大跨悬索桥损伤定位的自适应概率神经网络研究

由于概率神经网络(PNN)以贝叶斯概率方法描述测量数据,因而PNN在有噪声条件下的结构损伤检测方面,具有巨大的潜力。而PNN中高斯核函数的宽度,严重影响网络的泛化能力,本文提出了一种运用自适应PNN进行复杂结构的损伤定位研究方法,并与传统PNN对大跨悬索桥的损伤定位进行了仿真性能比较;同时讨论了噪声程度、特征向量简化对损伤识别精度的影响。研究发现,运用自适应PNN进行损伤定位,不仅性能优于传统PNN,而且进行特征向量简化时,可以提高损伤定位的识别精度。