自适应神经智能方法及其在结构损伤诊断中的应用

论文题目: 自适应神经智能方法及其在结构损伤诊断中的应用

论文类型: 博士论文

论文专业: 水工结构工程

作者: 邱颖

导师: 任青文

关键词: 结构健康诊断,损伤检测,神经网络,小波变换,小波包变换,小波神经网络,遗传算法

文献来源: 河海大学

发表年度: 2005

论文摘要: 利用结构的振动响应和系统动态特性参数进行结构损伤检测是目前国内外研究的热点和难点。虽然该方法已在实际工程损伤检测方面得到了较广泛的应用,但是随着损伤的积累以及老化结构的增加,为了更加准确的对损伤进行定位和定量,需要发展新的信号处理方法提取对损伤敏感的特征因子。本文在总结回顾以前工作的基础上,主要开展了如下4个方面的工作: (1) 当结构发生损伤时,在损伤处,其模态振型或其高阶导数不连续即存在奇异,这种奇异性可以通过寻找其小波变换模极大在细尺度下的收敛的横坐标来检测,奇异性位置即对应结构中的损伤位置;为了对损伤程度进行诊断,利用神经网络较强的非线性映射能力来模拟小波变换模极大和损伤程度之间的非线性关系,采用db2小波对模态振型进行离散小波变换,将多个尺度下小波变换模极大值进行归一处理后,作为BP网络的输入参数,输出为结构的损伤程度。通过数值算例验证了该方法简单易行、精度高,可以在实际检测中推广应用。 (2) 根据利用模态曲率进行损伤检测的原理,采用具有二阶消失矩的墨西哥草帽小波对结构在健康和损伤状态下的模态振型差进行连续小波变换,由此提出了表示损伤位置的指标。即相当于先用高斯函数对模态振型差进行平滑处理,然后对平滑后的模态振型差求解二阶导数,通过寻找小波变换模极大在细尺度下收敛的横坐标来检测损伤位置。根据Lipschitz指数与小波变换模极大的关系,讨论了损伤程度与Lipschitz指数的关系。数值模拟结果表明:该指标可以准确的对损伤进行定位。同时通过实验,利用该方法对实际结构进行了健康诊断。 (3) 以结构中存在两处损伤为例,研究了小波包节点能量用作结构多处损伤特征因子的可行性。并将某一尺度下特征因子进行归一处理后作为BP网络的输入参数,利用网络的分类识别能力,实现对结构损伤位置及程度的诊断。并在数值算例中讨论了噪声对该方法的影响,同时也讨论了网络的外推性能。 (4) 编制了小波神经网络程序,该网络兼具小波变换和神经网络两者的优点,为改善该网络的性能,使之能够最大限度地提取信号的特征,借助遗传算法来搜索最优网络参数,以提高小波神经网络的检测精度。

论文目录:

前言

摘要

Abstract

第一章绪论

1.1 本课题的研究目的和意义

1.2 基于振动的无损检测技术的发展现状与动向

1.3 基于神经网络的结构损伤检测的研究进展

1.4 小波变换在结构损伤检测中的应用现状

1.5 小波变换与神经网络联合在结构损伤检测中的应用现状

1.6 本文的研究思路和主要内容

第二章神经网络基本原理

2.1 概述

2.2 人工神经网络概述

2.3 BP神经网络模型及其应用研究

2.4 本章小结

第三章小波变换基本理论

3.1 概述

3.2 Fourier变换(FT)和短时Fourier变换(STFT)

3.3 小波变换

3.4 本章小结

第四章小波变换模极大用于结构损伤检测

4.1 概述

4.2 基于结构动力响应进行损伤检测的基本原理

4.3 小波奇异性检测原理

4.4 基于小波奇异性和神经网络的结构损伤检测

4.5 基于模态曲率概念和小波奇异性的结构损伤检测

4.6 利用静力荷载作用下结构挠度进行损伤检测可行性研究

4.7 本章小结

第五章基于能量—损伤原理的结构损伤检测

5.1 概述

5.2 小波包节点能量特征提取

5.3 桁架结构的损伤检测

5.4 连续梁结构的损伤检测

5.5 本章小结

第六章 WNN和GWNN用于结构损伤检测

6.1 概述

6.2 小波神经网络基本模型

6.3 小波神经网络模型的改进

6.4 小波神经网络用于结构损伤检测

6.5 基于遗传的小波神经网络

6.6 本章小结

第七章总结与展望

7.1 总结

7.2 展望

参考文献

致谢

硕博连读期间论文发表情况

发布时间: 2005-07-07

参考文献

[1].基于PZT阻抗技术的结构损伤识别研究[D]. 余璟.华中科技大学2011
[2].网壳结构参数识别技术和损伤检测方法研究[D]. 王卓.北京工业大学2009
[3].温度与拉力对EMI损伤检测技术的影响及补偿方法[D]. 杨景文.华中科技大学2015

自适应神经智能方法及其在结构损伤诊断中的应用

猜你喜欢