导读:本文包含了神经网络损伤识别论文开题报告文献综述及选题提纲参考文献，主要关键词:网架结构,损伤识别,模态参数,RBF神经网络
神经网络损伤识别论文文献综述
邢哲,崔维久,杨春贺,杨彬[1]（2019）在《基于RBF神经网络的网架结构损伤识别试验研究》一文中研究指出针对网架结构损伤识别中模态密集、自由度高等困难,利用RBF网络良好的容错性和鲁棒性,依据损伤前后的网架结构模态参数发生变化理论,提出了基于模态参数和RBF神经网络的网架结构损伤识别方法。以一个6 m×7.5 m的正放四角锥网架结构为研究对象,首先依据连续倒塌理论计算各杆件的重要性系数,确定模拟损伤杆件位置;然后以损伤前后结构的标准化频率平方变化率及标准化位移振型的组合参数作为RBF神经网络的损伤指标,利用有限元分析得到学习样本,试验分析结果作为测试样本。采用二阶段损伤识别方法,首先在所有杆件中排查出可疑受损杆件位置,最后再精确识别损伤位置和程度。结果表明,该方法能够很好地识别网架结构的损伤位置和程度。(本文来源于《结构工程师》期刊2019年04期）
占洋洋,何建,胡暮平,孙晓丹[2]（2019）在《基于BP神经网络的结构损伤识别方法研究》一文中研究指出对工程结构进行健康监测以求及时发现结构损伤评估其安全性对土木工程学科发展的具有深远的意义。神经网络与结构损伤识别的结合让在线监测成为可能,BP神经网络因其基础理论较完善,算法容错性强,网络鲁棒性好的特点得到广泛应用。在此背景下,本论文结合国内外在结构损伤识别领域的研究现状,围绕BP算法,人工神经网络的特点,损伤识别方法等具体问题进行了研究。(本文来源于《中国力学大会论文集（CCTAM 2019）》期刊2019-08-25）
徐涵,杨健,王星尔,赵宸君,孟嫣然[3]（2019）在《反向传播神经网络在隐框玻璃幕墙脱胶损伤识别中的应用》一文中研究指出引入反向传播(BP)神经网络法,首先择取玻璃面板关键部位的25种动力响应参数、动力特性参数以及隐框玻璃幕墙尺寸以归类神经网络数据库。采用非线性弹簧单元模拟结构胶本构行为及其组合局部脱胶状态,采用有限元方法对不同脱胶状态的隐框玻璃幕墙单元进行了拉压状态下的参数化分析,量化描述了12 545种工况下各脱胶状态,并建立训练数据库。采用反向传播神经网络方法训练检验了数值模拟样本并校验预测精度。结果显示采用本方法可以较好预测隐框玻璃幕墙的组合脱胶状态。(本文来源于《硅酸盐学报》期刊2019年08期）
王晓煜,詹益,郭新峰,高斯佳[4]（2019）在《基于神经网络铝板机磁阻抗结构损伤识别》一文中研究指出提出一种将机磁阻抗技术用于金属板结构健康监测的方法,并使用BP神经网络数据处理技术实现金属板损伤程度的定量识别.首先,建立铝板与磁致伸缩材料构成的机磁阻抗模型,并推导出模型的耦合电阻抗表达式.然后,利用有限元软件ANSYS建立耦合系统的叁维模型,并通过有限元谐响应分析方法得到铝板在缺陷尺寸从5mm变化到13mm的机磁阻抗谱.同时,建立BP神经网络模型,对缺陷尺寸为7 mm和12 mm的机磁阻抗谱进行验证.结果表明,神经网络能够准确识别出铝板缺陷的损伤级别.在铝板机磁阻抗检测中使用神经网络进行数据处理,不仅可以实现缺陷尺寸的精确定量,而且还具有较高的稳定性.(本文来源于《大连交通大学学报》期刊2019年03期）
刘军香,王立新,姜慧,朱嘉健,卢滔[5]（2019）在《基于加速度二次协方差矩阵和神经网络的结构损伤识别》一文中研究指出为了能对结构早期损伤进行有效识别,本文提出了一种基于加速度响应二次协方差(CoC)矩阵和神经网络的结构损伤识别方法。首先通过数值模拟,以白噪声作为激励,获取结构在不同损伤位置和损伤程度下的加速度响应,并计算相应的二次协方差矩阵;然后,把二次协方差矩阵作为BP神经网络的输入特征向量,对网络进行训练并对损伤位置和损伤程度同时进行识别。本文以桁架为例,将二次协方差矩阵和BP神经网络结合,对结构单损伤和多损伤分别进行识别,同时采用模态频率和模态振型与BP神经网络结合作为对比指标。对比发现:相比于模态指标,基于加速度响应二次协方差矩阵和BP神经网络的损伤识别方法,能够较好的识别结构的单损伤和多损伤,且具有更好的稳定性和抗噪性。(本文来源于《地震工程与工程振动》期刊2019年03期）
刘军香[6]（2019）在《基于加速度二次协方差矩阵和BP神经网络的结构损伤识别方法研究》一文中研究指出随着人类技术的进步,大型基础设施越来越多。随着时间的积累,其结构会逐渐发生老化和损伤。从安全方面考虑,对结构进行监测并准确评估其健康状况尤为重要。对监测数据进行分析,需要有效的分析方法。神经网络由于功能强大,具有良好的泛化能力、非线性映射能力和高度并行性等特点,可以提高损伤识别的准确率,而广泛应用于结构损伤识别。采用神经网络法识别结构损伤,构造对损伤敏感的指标是至关重要的。白噪声激励下加速度响应的二次协方差矩阵(Covariance of Covariance Matrix,CoC Matrix)被证明仅与结构的模态参数(固有频率、振型和阻尼比)有关,而与采样时间无关,可以作为衡量结构损伤的指标。本文研究CoC矩阵和BP网络结合识别结构损伤的方法。首先,以白噪声作为激励,获取结构在不同损伤工况下的加速度响应,并计算相应的CoC矩阵;然后,把CoC矩阵作为BP神经网络的输入特征向量,对网络进行训练并对结构进行损伤诊断。本文主要包括以下五个部分:(1)介绍了结构损伤识别的研究意义及发展现状,总结了现今研究方法,并结合损伤识别未来发展趋势,提出了基于白噪声激励下加速度响应的CoC矩阵与和BP神经网络的结构损伤识别法。(2)阐述了CoC矩阵和BP神经网络等基本理论,以及神经网络用于损伤识别的方法,为本文研究方法提供了理论依据。(3)通过对六层钢结构进行数值模拟,阐述了小波包分析的基本理论,并将本文所推荐方法与小波包能量进行对比分析。讨论了钢结构在单层损伤和多层损伤下的识别结果,得到CoC矩阵和小波包能量的最大平均误差分别是5.41%和44.11%;对桁架结构数值模拟结果分别添加不同程度的噪声,采用本文推荐方法与模态指标进行对比分析,并研究了测点数和学习率对识别结果的影响。基于简单模型的数值算例结果表明了本文推荐方法的可行性与有效性。(4)将此方法用于美国土木工程师学会(American Society of Civil Engineers)提出的ASCE基准模型进行验证。首先定位结构损伤层,然后再进行损伤单元和损伤程度的识别。损伤单元和损伤程度识别时,利用CoC矩阵和小波包能量信息识别的准确率分别是98.79%和88.27%。并对哥伦比亚大学地震工程实验室采集到的实验数据进行了分析,结果说明,小波包能量会出现误判,而CoC矩阵能够精准定位损伤。(5)最后以实际工程珠江黄埔大桥复杂有限元模型为例,用本文推荐方法对桥塔、悬索、箱梁叁部分的损伤进行了识别。损伤识别结果表明了本文推荐方法对于复杂模型的损伤识别也是适用并具有可行性的。(本文来源于《防灾科技学院》期刊2019-06-01）
蔚峰[7]（2019）在《基于动力参数及BP神经网络相结合的桥梁损伤识别》一文中研究指出随着我国国民经济的发展,在国家“一带一路”共同建设畅通安全高效运输大通道的战略方针指引及满足国民对交通运输出行需求的现状下,国家对桥梁的建设力度也大幅提升。由于桥梁结构长期受到频繁荷载、外界环境以及人为因素的干扰下,桥梁构件出现损伤或功能退化,对桥梁的安全运营及人民生命财产安全产生了极大的威胁,对于桥梁结构损伤识别已经成为工程技术人员的研究热点。本文以现有关于结构损伤识别理论的基础之上,收集国内外桥梁结构损伤乃至倒塌的工程实际案例材料,对目前应用于工程实际中的损伤识别方法进行归纳,总结出各个方法的优缺点。另外,本文提出一种桥梁结构分步识别技术对简支梁桥、拱桥吊杆的损伤位置及损伤程度进行了有效识别,验证了该技术的可行性及有效性。本文基于桥梁结构的动力特性及BP神经网络相结合的方法,对桥梁结构发生损伤的位置及损伤程度进行有效识别。本文共分为四章。第一章绪论,首先介绍了对桥梁结构进行损伤识别研究背景及意义。然后介绍了目前国内外对于损伤识别的研究现状,最后对本论文的研究工作做了概述。第二章介绍了依据桥梁结构的动力特性及BP神经网络进行损伤识别的理论,如何对通过有限元软件获取的结构动力特性数据进行理论计算,提炼出用于对结构损伤识别的敏感参数指标。同时选取合适的动力参数作为BP神经网络的输入样本进行网络的训练。第叁章介绍了依据桥梁结构固有频率、振型及节点竖向位移值,对这些动力参数进行理论推导,得到频率差、振型差、位移差曲率等损伤指标。同时将该叁项指标应用到简支梁桥及下承式拱桥吊杆损伤损伤中。结果表明,依据结构位移差曲率这一损伤指标能够对结构发生损伤的位置进行精准识别,但对结构发生的损伤程度无法定量判断。第四章介绍了BP神经网络基本原理,提出桥梁分步损伤识别技术。首先依据节点位移差曲率这一损伤指标对结构进行损伤定位,然后运用MATLAB软件建立一叁层BP神经网路对结构发生损伤程度进行识别,以结构位移差曲率作为网络的输入向量,结果表明经过训练的网络对吊杆损伤位置的损伤程度做出了有效识别。(本文来源于《安徽建筑大学》期刊2019-05-29）
胡倩[8]（2019）在《桥梁损伤识别的人工神经网络方法》一文中研究指出本文介绍了一种客观、由数据驱动的桥梁性能评估方法,来识别结构损伤,用于构建桥梁监测的系统。通过桥梁上的传感器来收集数据,捕捉整个结构中载荷的分布。ANN用于确定在交通事件期间,桥上的若干传感器位置处测量的范围变化关系,来建立桥梁状态模型,并评估桥梁的损伤状态。(本文来源于《居舍》期刊2019年04期）
贺雨,杨晓林,刘曦[9]（2019）在《基于LSTM神经网络的桥梁损伤识别》一文中研究指出针对桥梁健康监测中海量数据难以处理的问题,本文提出一种基于长短期记忆神经网络(Long Short-Term Memory,LSTM)的损伤位置识别方法。通过对简支钢梁模型施加移动荷载响应,训练LSTM神经网络模型,模型满足要求后设定损伤因子,通过计算完成结构损伤位置识别。(本文来源于《科技创新导报》期刊2019年03期）
李雪松,马宏伟,林逸洲[10]（2019）在《基于卷积神经网络的结构损伤识别》一文中研究指出为解决结构的健康监测问题,找到合适的结构损伤识别特征,使用卷积神经网络提取结构特征来识别损伤,并通过IASC-ASCE SHM Benchmark第一阶段模拟数据验证其有效性,同时与小波包频带能量特征、前五阶本征模态函数能量特征做同分类器准确率对比,证明了卷积神经网络在自动提取特征方面的优势。在分析卷积神经网络自动提取特征的鲁棒性时,发现单一噪声数据训练的特征抗噪能力有一定局限性,为了获得更好的特征抗噪能力,提出混合噪声训练模式,验证了含噪声0%～50%的样本数据,均取得良好识别结果。同时在进行卷积核特征可视化工作中发现,混噪模式训练的卷积核能够识别更多阶次的频率信息。(本文来源于《振动与冲击》期刊2019年01期）
神经网络损伤识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对工程结构进行健康监测以求及时发现结构损伤评估其安全性对土木工程学科发展的具有深远的意义。神经网络与结构损伤识别的结合让在线监测成为可能,BP神经网络因其基础理论较完善,算法容错性强,网络鲁棒性好的特点得到广泛应用。在此背景下,本论文结合国内外在结构损伤识别领域的研究现状,围绕BP算法,人工神经网络的特点,损伤识别方法等具体问题进行了研究。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络损伤识别论文参考文献
[1].邢哲,崔维久,杨春贺,杨彬.基于RBF神经网络的网架结构损伤识别试验研究[J].结构工程师.2019
[2].占洋洋,何建,胡暮平,孙晓丹.基于BP神经网络的结构损伤识别方法研究[C].中国力学大会论文集（CCTAM2019）.2019
[3].徐涵,杨健,王星尔,赵宸君,孟嫣然.反向传播神经网络在隐框玻璃幕墙脱胶损伤识别中的应用[J].硅酸盐学报.2019
[4].王晓煜,詹益,郭新峰,高斯佳.基于神经网络铝板机磁阻抗结构损伤识别[J].大连交通大学学报.2019
[5].刘军香,王立新,姜慧,朱嘉健,卢滔.基于加速度二次协方差矩阵和神经网络的结构损伤识别[J].地震工程与工程振动.2019
[6].刘军香.基于加速度二次协方差矩阵和BP神经网络的结构损伤识别方法研究[D].防灾科技学院.2019
[7].蔚峰.基于动力参数及BP神经网络相结合的桥梁损伤识别[D].安徽建筑大学.2019
[8].胡倩.桥梁损伤识别的人工神经网络方法[J].居舍.2019
[9].贺雨,杨晓林,刘曦.基于LSTM神经网络的桥梁损伤识别[J].科技创新导报.2019
[10].李雪松,马宏伟,林逸洲.基于卷积神经网络的结构损伤识别[J].振动与冲击.2019