收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

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

刘军香  
【摘要】: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、箱梁三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。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
7 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
8 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
9 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
10 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
11 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
12 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
13 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
14 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
15 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
16 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
17 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
18 吴志军;张景安;岳猛;张才峰;;基于联合特征的LDoS攻击检测方法[J];通信学报;2017年05期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 赵黎;面向服装流行色预测的层次协同演化模型与算法研究[D];天津工业大学;2019年
2 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
3 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
4 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
5 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
6 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
7 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
8 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
9 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
10 周小强;基于深度学习的交互式问答技术研究[D];哈尔滨工业大学;2017年
中国硕士学位论文全文数据库 前10条
1 胡涛;基于深度学习的鱼类识别研究[D];浙江工业大学;2019年
2 邱一豪;时态神经网络在股票分类预测的应用[D];浙江工业大学;2019年
3 唐瑜;基于矩阵束和神经网络两种方法的多径干扰抑制研究[D];厦门大学;2017年
4 郑江龙;基于卷积神经网络的隐式篇章关系识别模型[D];厦门大学;2017年
5 陈霄凌;基于卷积神经网络的图像识别及在Spark平台的实现技术研究[D];云南大学;2017年
6 丘琴秀;基于卷积神经网络与迁移学习的组织病理学图像中上皮组织—基质分类[D];厦门大学;2017年
7 张晔;基于小波分解和神经网络的非线性信号预测[D];河北师范大学;2019年
8 陈阳;用户行为分析算法及其在Spark上的应用研究[D];浙江工业大学;2018年
9 薛腾腾;深度学习在股指预测中的应用[D];浙江工业大学;2018年
10 肖遥;基于全卷积神经网络的群体异常事件检测方法研究[D];武汉理工大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978