结构损伤远程监测系统的研究

论文摘要

为了长期有效地监测建筑物健康状况和对其发生的结构损伤进行识别,并进一步对结构寿命进行预测,建立完善的自动化结构损伤远程监测系统显得十分必要。而损伤识别是进行建筑结构健康监测的基础。近年来,从神经网络理论出发,研究智能结构损伤识别技术正在成为研究热点。同时,随着Internet的迅猛发展,建立基于Internet的远程智能识别系统值得进行深入研究。论文以建筑结构损伤远程监测系统为研究对象,论述了结构损伤识别技术在其中的地位和发展现状,并研究了远程结构损伤智能识别的计算方法及系统结构。 论文的主要研究内容包括:(1)讨论结构损伤远程监测系统的构成,提出一种由传感器系统、本地处理器和中央监控设备组成的基于无线网络传输技术的结构损伤远程监测系统,并对其涉及的主要技术分别进行论述;(2)从目前流行的各种结构损伤识别方法出发,介绍了各个方法的基本理论,并重点论述了基于神经网络的结构损伤识别方法的工作机制和学习规则,以及当前应用十分广泛的两种前向型神经网络模型——BP网络和RBF网络,然后从系统辨识的角度出发,提出了利用神经网络进行损伤识别的思路、方法和步骤,在此基础之上研究了分别利用BP和RBF神经网络对单处及多处结构损伤进行识别,对识别结果进行比较和分析(3)在以客户端为计算中心的B/S模式下,借助Java和Matlab技术实现了一个基于WEB的结构损伤远程识别系统。该系统具有以下特点:①计算过程在客户端实现,以提高计算效率、减少网络延迟;②客户端安装升级方便,用户利用浏览器即可下载JavaApplet,然后调用后台的Matlab计算引擎,而客户端实现无需安装其他任何程序;③系统可扩展性良好,目前集成了BP和RBF两种神经网络识别方法,今后可以方便的集成各种新的智能识别方法,使该系统拥有广泛的适应性;④识别结果以图形化形式呈现在用户面前。 上述内容的研究表明:基于Java的以客户端为计算中心的网络模型非常适用于结构损伤远程监测系统的应用之中。而基于BP和RBF神经网络进行结构损伤识别在不同的场合下可以满足不同用户的需求。该系统在集成其他各种新的智能识别方法上还值得进一步研究开发。

论文目录

• 中文摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 研究课题的提出
• 1.2 课题研究的现状
• 1.3 课题研究的内容
• 1.4 论文的结构组织
• 第2章 结构损伤远程监测系统总体设计研究
• 2.1 传感器系统
• 2.1.1 传感器系统功能
• 2.1.2 传感器系统设计
• 2.1.2.1 传感器材料
• 2.1.2.2 传感器系统结构
• 2.1.3 传感器系统的关键问题
• 2.2 本地处理器
• 2.2.1 本地处理器功能
• 2.2.2 本地处理器设计
• 2.2.3 本地处理器关键问题
• 2.2.3.1 损伤识别算法
• 2.2.3.2 无线传输协议
• 2.3 中央监控设备
• 2.4 本章小结
• 第3章 结构损伤远程监测系统中的损伤识别技术研究
• 3.1 结构损伤识别在健康监控系统中的位置
• 3.2 结构损伤识别的主要方法
• 3.2.1 模态参数识别法
• 3.2.2 模型修正法与系统识别法
• 3.2.3 神经网络方法
• 3.3 神经网络概述
• 3.3.1 神经网络的定义及发展历程
• 3.3.2 神经网络模型分类
• 3.3.3 神经网络的特性
• 3.3.4 BP神经网络模型
• 3.3.4.1 BP网络的结构模型
• 3.3.4.2 网络训练过程
• 3.3.5 RBF网络模型
• 3.3.5.1 RBF神经网络的结构模型
• 3.3.5.2 网络训练过程
• 3.4 神经网络方法在结构损伤检测与识别中的应用
• 3.4.1 基于神经网络的结构损伤识别的基本方法
• 3.4.2 神经网络在单处板结构损伤识别中的应用
• 3.4.2.1 样本获取
• 3.4.2.2 网络参数选择
• 3.4.2.3 识别结果分析
• 3.4.3 神经网络在多处梁结构损伤识别中的应用
• 3.4.4.1 样本获取
• 3.4.4.2 网络参数选择
• 3.4.4.3 识别结果分析
• 3.5 网络性能比较分析
• 3.6 本章小结
• 第4章 结构损伤远程识别系统的实现
• 4.1 技术方案选择
• 4.1.1 服务器端扩展
• 4.1.2 客户端扩展
• 4.2 系统的实现
• 4.2.1 系统结构简介
• 4.2.2 编写神经网络程序
• 4.2.3 编写Applet
• 4.2.4 生成．c代码
• 4.2.5 生成．dll文件
• 4.2.6 进行数字签名
• 4.2.7 得到可执行系统
• 4.3 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 硕士在学期间发表的论文
• 致谢