论文题目: 基于模态分析理论和神经网络的桥梁损伤识别方法研究
论文类型: 硕士论文
论文专业: 道路与铁道工程
作者: 张治国
导师: 张谢东
关键词: 损伤识别,模态分析,神经网络,曲率模态,柔度曲率
文献来源: 武汉理工大学
发表年度: 2005
论文摘要: 随着我国交通事业的快速发展，特大型桥梁结构不断涌现，新旧桥梁数量日益增多。为确保人民生命财产安全，快速有效地识别出桥梁结构可能发生损伤的部位和损伤程度，及时掌握桥梁运营下的健康状况，是当前桥梁工程研究领域的热点问题之一。 本文在研究国内外大量有关结构损伤识别和神经网络资料的基础上，根据桥梁结构损伤识别与神经网络的发展前景，利用有限元ANSYS及MATLAB程序将振动模态分析理论和BP神经网络相结合应用于桥梁损伤识别中，同时实现对损伤位置与损伤程度的识别，形成一套基于振动模态分析理论和BP神经网络的桥梁损伤识别方法。 首先，本文对基于振动模态分析理论的损伤识别方法进行了探讨。在此过程中分析了该方法的基本原理和过程，较详细地研究了损伤识别的模态频率法、模态振型差法、曲率模态／应变模态法、曲率模态差法、柔度差法和柔度曲率法的基本原理、优劣特性及适用范围。此外，采用悬臂梁模型进行损伤仿真计算，研究和比较了上述各种方法对于单损伤位置和多损伤位置不同情况的识别能力。 在这一部分，提出了梁结构损伤位置识别的柔度曲率法，该法既有高的灵敏度又避免了使用原结构的模态参数，对于没有原始结构模态参数的损伤识别技术显得尤为重要。算法具有计算量小和简便易行的优点，而且仅需要低阶模态信息即可获得很好的识别效果。同时，开展了结构多损伤识别的研究，探讨了曲率模态法和柔度曲率法的结构多损伤识别。 其次，本文对基于BP神经网络的损伤识别方法进行了探讨。在此过程中分析了人工神经网络的基本理论，比较详细地研究了BP神经网络、BP经典算法和经过优化的LM算法以及BP神经网络在MATLAB中的实现，系统地阐述了基于BP神经网络损伤识别的基本原理和过程以及神经网络工具箱函数。在此基础上，以简支矩形截面钢梁损伤识别为例，进行了实例应用研究。 在这一部分，针对BP神经网络固有的收敛速度慢、局部极小等问题，本文对BP神经网络进行了性能优化，应用该优化的BP神经网络经过MATLAB武汉理工大学硕士学位论文软件实现对工程上最常见的矩形梁进行了损伤识别，结果令人满意。 最后，根据云阳长江公路大桥设计、施工资料，对该桥进行了有限元建模与动力分析。考虑了桥梁结构单构件损伤、两个构件损伤、三个构件损伤三类损伤工况，分别采用了模态频率、位移振型模态、曲率模态三种指标作为神经网络的输入参数，采集各损伤状态下的样本数据，共建立9个BP神经网络模型进行了桥梁损伤识别的研究。研究表明基于振动模态分析理论和BP神经网络的桥梁损伤识别方法可用于识别桥梁结构损伤位置和损伤程度。该方法具有广阔的应用前景，对于预测评价桥梁结构的健康状况将具有十分重要的意义，同时，该方法具有简便、快速、无损的优点，具有显著的经济效益和社会效益。 在这一部分的研究中，鉴于用振动模态构造的损伤标识量往往需要求解复杂的数学反演问题，然而神经网络以其优异的非线性映射能力可以将逆问题正问题化，因此本文提出将振动模态分析和神经网络技术结合起来，以振动模态构造的损伤标识量作为神经网络识别输入的特征参数，从而进行结构健康监测。值得一提的是，为方便统计，并说明识别效果，依据网络实际输出特点，作者定义了两个名词:“真分量”“伪分量”，并尝试性地对损伤位置识别与损伤程度识别提出了统一的判断标准，即以损伤位置识别正确率兄、损伤程度识别精确度刀、总体正确率:、平方和误差E为标准来检验BP神经网络识别的效果。关键词:损伤识别，模态分析，神经网络，曲率模态，柔度曲率，MATLAB
论文目录:
第1章 绪论
1.1 桥梁结构健康监测和损伤识别研究的意义
1.2 国内外损伤识别研究现状及发展动态
1.2.1 国外研究状况
1.2.2 国内研究状况
1.2.3 结构损伤识别相关技术的发展
1.2.4 结构损伤识别存在的问题
1.3 本文的主要研究内容
第2章 基于振动模态分析理论的损伤识别
2.1 基本原理及识别过程
2.2 基于模态频率的损伤识别
2.3 基于模态振型差的损伤识别
2.4 基于曲率模态和应变模态的损伤识别
2.5 基于柔度差的损伤识别
2.6 基于柔度曲率的损伤识别
2.7 基于振动模态分析理论的损伤识别的数值分析
2.7.1 悬臂梁的单损伤识别
2.7.2 悬臂梁的多损伤识别
第3章 基于BP神经网络的损伤识别
3.1 人工神经网络的基本理论
3.1.1 人工神经元模型
3.1.2 人工神经网络的类型和功能
3.1.3 神经网络的学习训练法则
3.2 BP神经网络及BP算法
3.2.1 BP神经网络模型
3.2.2 BP学习训练法则
3.2.3 经典BP算法
3.2.4 BP经典算法的改进—LM算法
3.3 基于BP神经网络的损伤识别
3.3.1 基本原理及识别过程
3.3.2 网络输入参数的选取
3.3.3 样本数据的前后处理
3.4 BP神经网络在MATLAB中的实现
3.4.1 MATLAB7.0软件介绍
3.4.2 神经网络工具箱函数
3.5 基于BP神经网络的损伤识别的数值分析
3.5.1 分析模型的建立
3.5.2 矩形梁的损伤辨识
3.5.3 矩形梁的损伤定位
3.5.4 矩形梁的损伤程度标定
第4章 基于振动模态分析理论和BP神经网络的桥梁损伤识别应用
4.1 有限元建模
4.1.1 工程概况
4.1.2 有限元模型
4.1.3 模态分类与动力特性分析
4.2 桥梁损伤识别应用的几点说明
4.3 BP神经网络样本采集
4.3.1 单损伤识别样本采集
4.3.2 双损伤识别样本采集
4.3.3 三损伤识别样本采集
4.4 BP神经网络训练
4.4.1 单损伤识别网络结构
4.4.2 双损伤与三损伤识别网络结构
4.4.3 训练过程描述
4.5 损伤位置识别
4.5.1 损伤位置识别判断标准
4.5.2 损伤位置识别效果
4.6 损伤程度识别
4.6.1 损伤程度识别判断标准
4.6.2 损伤程度识别效果
第5章 结论与展望
5.1 本文主要结论
5.2 研究工作展望
致谢
参考文献
攻读硕士学位期间所发表的论文
发布时间: 2005-04-13
参考文献
- [1].基于曲率模态理论桥梁损伤的数值模拟及实验研究[D]. 周海攀.昆明理工大学2013
- [2].桥梁损伤分步识别方法研究[D]. 李隆.长安大学2006
- [3].基于时间序列分析的桥梁损伤预警研究[D]. 王凯.长安大学2008
- [4].基于振动的跨海大桥主墩桩基础损伤识别[D]. 苗如松.西安建筑科技大学2016
- [5].基于结构动力特性对桥梁进行损伤识别研究[D]. 郁万江.长安大学2018
- [6].基于曲率模态变化率的桥梁损伤识别[D]. 唐催.长沙理工大学2017
- [7].基于固有频率和曲率模态相结合的钢桁架桥损伤识别研究[D]. 卫彤.西华大学2018
- [8].车载激励作用下桥梁损伤识别方法的研究[D]. 黄进鹏.南昌大学2018
- [9].基于冲击荷载激励的桥梁损伤识别技术研究[D]. 李萍.广州大学2018
- [10].基于动态环境激励响应的桥梁时域损伤识别方法研究[D]. 俞鹏.重庆交通大学2018
相关论文
- [1].基于神经网络和模态分析的桥梁损伤识别[D]. 黄鹏.华中科技大学2006
- [2].基于神经网络的桥梁损伤识别[D]. 魏锦辉.西南交通大学2007
- [3].基于RBF神经网络的桥梁损伤识别方法研究[D]. 张刚刚.长安大学2004
- [4].基于贝叶斯统计方法的桥梁损伤识别研究[D]. 王建江.浙江大学2005
- [5].基于神经网络和遗传算法结合的桥梁结构损伤识别研究[D]. 余昆.武汉理工大学2005
- [6].同步学习BP神经网络及其在桥梁损伤识别中的应用[D]. 李学良.北京工业大学2005
- [7].基于BP神经网络的桥梁健康状况评定[D]. 徐芳元.长安大学2006
- [8].桥梁损伤识别的动态方法研究[D]. 禹丹江.郑州大学2002
- [9].基于模态分析理论的桥梁结构损伤识别研究[D]. 刘利军.武汉理工大学2004
- [10].基于神经网络的土木工程结构损伤识别方法研究[D]. 沈东强.武汉大学2004