基于RBF神经网络的板桩码头的损伤诊断

【摘要】：建国60多年来,我国的港口建设事业取得了长足的发展,为我国的国民经济做出了重大的贡献。但是在我国目前已建成的港口建筑物中,有很大一部分已经投入运行了数十年的时间,可能发生了不同程度的损伤。对这些码头结构进行损伤诊断并及时进行修复,是保证这些结构安全使用的重要前提。 本文查阅了大量关于结构损伤诊断和神经网络的文献,了解了损伤识别技术的发展历史和现状。根据结构物的损伤识别技术和神经网络的发展前景,提出了将径向基神经网络(RBF神经网络)用于码头结构的损伤识别中,本文以板桩码头为例检验其可行性。 本文用ABAQUS建立板桩码头结构的有限元模型并进行计算,集中考虑板桩墙和拉杆的损伤,考虑单损伤和双损伤两种工况,采用频率和振型位移两种指标作为神经网络的输入参数,并采集各个损伤工况下的样本数据。建立了四个RBF神经网络,分别为Net-R1A、Net-R1B、Net-R2A和Net-R2B,进行板桩码头的损伤识别。本文证明RBF神经网络可以用于板桩码头的损伤识别。 在实际工程中进行损伤识别时,不可避免会存在着各种误差,例如环境噪声和测量误差。本文用高斯白噪声模拟各种误差,研究了不同噪声水平下的损伤识别效果。对于在建模时的模型误差,本文也提出了解决意见。 最后,对本文的研究成果进行了总结,并对以后的研究工作进行了展望。