基于神经网络的土木工程结构损伤识别研究

本文从土木工程结构损伤识别出发,探索神经网络在土木工程结构损伤识别中的运用。论文首先阐述人工神经网络在土木工程结构损伤识别中应用的可行性,然后具体分析了基于人工神经网络技术的结构损伤识别。     

遗传算法-神经网络方法的结构损伤识别

应用人工神经网络技术，提取结构的固有频率的变化为特征参数，建立结构损伤识别模型，提出用遗传算法来调整神经网络的权值，并对一个框架模型进行了损伤数值模拟计算，即基于遗传算法一神经网络方法的结构损伤识别的研究。该方法弥补了传统的种经网络BP网络收敛速度慢，易陷入局部极小点等缺陷．结构表明，该方法具有收敛速度快和识别精度高的特点。     

结构损伤状态识别的神经网络方法

分析了神经网络方法用于结构状态识别的可行性，提出了现有神经网络用于结构状态识别解决的问题和改进的方法，并针对梁类结构的裂纹识别，做了尝试性的探索。     

残余力向量结构损伤诊断的神经网络方法

以残余力向量作为结构参数识别的网络输入,针对训练样本在数据空间分布不均匀的状况,提出了一种基于残余力向量结构参数识别的神经网络方法,并采用GSL变换对训练样本数据进行预处理,从而提高网络收敛速度及参数的识别精度,文中算例证明了该方法的有效性。     

遗传算法–神经网络方法的结构损伤识别

应用人工神经网络技术,提取结构的固有频率的变化为特征参数,建立结构损伤识别模型,提出用遗传算法来调整神经网络的权值,并对一个框架模型进行了损伤数值模拟计算,即基于遗传算法-神经网络方法的结构损伤识别的研究。该方法弥补了传统的神经网络 BP 网络收敛速度慢,易陷入局部极小点等缺陷. 结构表明,该方法具有收敛速度快和识别精度高的特点。     

基于神经网络的结构边界条件识别和损伤诊断

结构边界条件识别和损伤诊断,对于实验室条件下研究结构的动力特性具有重要的实用价值,本文提出了以子网为基础的分区组合式神经网络模型,并以钢筋混凝土梁在静力作用下的挠度作为特征参数,实现了结构的边界条件识别和损伤诊断。     

一种基于卷积神经网络的结构损伤检测方法

针对结构健康监测系统产生的海量数据难以高效分析的问题,采用了一种基于二维卷积神经网络的损伤识别检测方法,该方法直接将结构在外界激励作用下的加速度时程数据作为输入信息,通过卷积神经网络自动提取加速度数据中的隐含特征,识别结构的损伤.以板的损伤识别为例,给出了卷积神经网络损伤识别模型的输入数据格式、网络结构和训练方法,分析了卷积神经网络分别在不含噪声,含噪声5%、10%以及混合噪声情况下的损伤识别能力.测试结果显示这种基于加速度输入的卷积神经网络具有较高的损伤识别精度和抗噪能力,从而为结构健康监测系统数据分析和损伤识别提供了一种新的途径.     

梁桥结构损伤系统识别

基于梁桥的静态试验数据,采用系统识别原理,提出了一种梁桥结构损伤的识别方法。结合一五跨连续梁桥结构,进行了数值分析,取得了满意的识别结果,表明该方法具有较好的收敛性和可靠性。     

结构损伤诊断技术的研究和发展趋势

综述了近几年来工程结构损伤诊断技术的研究应用，对工程结构损伤诊断的各种方法进行了评述，讨论了各种方法在理论上和实际应用中存在的问题．根据国内外最新文献．推测工程结构损伤诊断的发展趋势。     

基于结构解释模式的服役混凝土结构损伤识别

混凝土损伤的影响因素较多,采用结构解释模式(interpretative structural model,ISM)的系统分析方法进行服役混凝土结构损伤识别研究,科学判定既有混凝土结构的损伤程度及基本影响因素。根据引起混凝土损伤的因素,确定各因素间的二元关系,并以此为基础,由要素间的关系传递性,建立基于结构解释模式(ISM)的混凝土结构损伤识别的构思模型,并提取骨架矩阵,形成递阶结构模型,经过比较反馈、修正学习,分析给出混凝土结构损伤识别的基本影响因素。研究结果表明:结构损伤多因素的二元关系是进行损伤识别的基础,综合考虑系统中引起损伤的各因素之间的关系,利用图论中关联矩阵原理分析混凝土结构损伤,给出的结构损伤影响因素更为直接有效;由损伤识别模型归结出的基本影响因素与现行结构检测规范的基本项目基本一致。     

基于BP神经网络的结构损伤检测

介绍了BP神经网络的学习算法,通过对一个钢筋混凝土简支梁模型进行了损伤数值模拟,提取固有频率作为BP神经网络的输入参数,并应用简支梁损伤前后的数据输入训练好的神经网络来判断结构损伤。检测表明,该方法在结构损伤检测中具有较好的应用前景。     

基于神经网络技术的结构损伤检测与应用研究

本论文主要对基于神经网络技术的结构损伤检测理论进行了研究,并确定了结构损伤的位置与程度。对一个选悬臂板模型的损伤状况进行了数值模拟分析,并采取合适的方法构造改进型BP神经网络的输入参数,应用训练后的神经网络对结构进行了损伤检测。结果表明,该方法有效,可靠。     

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.     

3D-DIC在土木结构力学性能试验研究中的应用

为了更好地研究土木结构力学性能,采用改进的三维数字图像相关系统开展了纤维增强复合材料包裹混凝土柱抗压试验、纤维增强复合板-混凝土相对滑移试验、钢板拉压疲劳试验、预应力混凝土抗震试验和钢桁架结构连续倒塌动力试验.对圆柱体试件全表面同时进行测量,分析得到了360°全场应变数据.当平均应变达到2×10-2时,根据三维数字图像相关方法与电测法所得的应变结果的相对误差小于3%,说明前者具有较高的应变和位移测量精度.继而提出了一种基于边缘点消除刚体位移的方法,得到了滑移位移结果.利用高帧频相机进行连续采图,实现了在试验过程中的动态测量.由此证实了改进的三维数字图像相关系统在土木结构力学性能研究中的有效性.     

智能材料在土木结构监测和振动控制中的应用

光导纤维、电流变液 ( ER)、磁流变液 ( MR)、形状记忆合金 ( SMA)是土木工程结构振(震 )动状态监测、振动响应控制中采用的 4种智能材料。首先概括性介绍了 4种智能材料的基本性能特征、工作原理、应用范围 ,分析讨论了有关研究与工程应用情况以及发展前景。重点评述 SMA在结构主动和被动控制应用研究的现状。最后提出进一步实现 SMA混杂混凝土智能材料结构——控制一体化的新构想。     

基于IPSO-BP神经网络的结构损伤识别

为了准确评估结构健康状况．将改进的粒子群算法与BP算法有机结合来训练人工神经网络,并用于结构损伤识别．以国际结构控制协会与美国土木工程学会（IASC-ASCE）提出的健康监测第二阶段Benchmark模型结构为例．对4种不同损伤模式进行了损伤定位．研究结果表明,在模型误差、测量噪声等因素的影响下,该方法能够取得令人满意的损伤识别结果．     

钢板结构损伤的自适应神经网络识别

探讨了动量系数和学习率自适应调整的神经网络算法.以反映结构损伤位置和程度的固有频率作为神经网络输入的特征参数,利用有限元法对钢板结构裂纹损伤位置和程度进行数值模拟,获取训练样本数据,通过自适应神经网络对结构裂纹损伤识别问题进行了定性定量研究.结果表明,采用自适应神经网络技术对钢板等工程结构进行损伤特征识别分析是可行的.     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

建筑结构损伤的灰色网络识别研究

利用神经网络的高度并行运算功能,将灰色关联度分析和人工神经网络技术相结合,以反映结构损伤程度的敏感参数固有频率作为结构损伤识别的特征参数,建立了建筑结构损伤灰色网络识别系统．利用该系统对钢梁裂纹损伤位置和程度进行了识别分析,从中可以看出利用此方法是可行的,且计算简单,准确度高．     

浅论灾后混凝土结构损伤诊断

建筑火灾在火灾中占有很大的比例,钢筋混凝土结构是建筑中应用最广泛的一种结构,因此其受高温后的损伤评估和安全性分析一直是研究人员所关注的焦点。本文对灾后混凝土结构损伤诊断方法进行了综述,并对其进行展望。