BP神經網絡在橋梁結構損傷診斷中的應用_第1頁
BP神經網絡在橋梁結構損傷診斷中的應用_第2頁
BP神經網絡在橋梁結構損傷診斷中的應用_第3頁
BP神經網絡在橋梁結構損傷診斷中的應用_第4頁
BP神經網絡在橋梁結構損傷診斷中的應用_第5頁
已閱讀5頁,還剩1頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、BP神經網絡在橋梁結構損傷診斷中的應用引言因為交通運送事業(yè)的進展,我國已修建了大量的橋梁,但值得留意的是有很多已發(fā)生老化、損傷現(xiàn)象。隨著時光的推移,橋梁老化、損傷的數(shù)量和程度還會連續(xù)增強。對既有橋梁結構舉行損傷檢測和評估,充分了解橋梁的實際情況,準時診斷出局部損傷的位置以及損傷程度,就能使修理人員制定出正確的修理策略,準時修復橋梁結構。結構經過修復后,不僅可以恢復承載能力,延伸使用壽命,而且對于避開災害性事故的發(fā)生,保障人們的生命平安也有重要的意義。1、基于動力特性參數(shù)的橋梁結構損傷診斷長期以來,基于動力特性的結構故障診斷方法始終是國際學術界和工程界關注的熱點問題,但至今仍缺乏有效的解決方案。

2、這些研究工作大致可以分為:基于模態(tài)模型的解析法和基于神經網絡技術的非線性映射法。從規(guī)律上講,要舉行橋梁結構損傷診斷,首先需要解決損傷識別指標的抉擇問題,即確定以哪些物理量為依據能夠更好地識別和標定損傷的位置和程度。從損傷識別能力上,模態(tài)頻率、模態(tài)振型、應變模態(tài)、柔度矩陣等都是很好的損傷標識量,從經濟的角度動身,頻率是工程上最容易、最經濟、最有用的、最易獲得的模態(tài)參數(shù),精度又簡單保證。另外,頻率的整體辨識特性使測量點可以按照實際狀況舉行定制,這些都是基于頻率損傷辨識的優(yōu)勢所在。而且在實際工程應用中,就有相當勝利的應用,徹低可勝任損傷的辨識。而對于振型數(shù)據,在工程實際中可以通過結構振動測試手段在結

3、構無損傷情況下獲得,并且精度較高,利用振型數(shù)據也可以舉行損傷診斷。結構的動態(tài)特性是結構的固有特性。任何結構都可以看作是由質量、剛度、阻尼矩陣構成的動力學系統(tǒng),結構一旦受到損傷或發(fā)生故障,結構的物理參數(shù)會隨之發(fā)生變化,從而導致系統(tǒng)的傳遞函數(shù)和模態(tài)參數(shù)的轉變。因此,模態(tài)參數(shù)的轉變可以視為結構損傷發(fā)生的標志,利用損傷發(fā)生前后結構動態(tài)特性的變化來診斷結構損傷的類型、損傷位置以及損傷的程度。結構的隨意階頻率變化均包含了結構損傷部分的損傷程度信息,因此,引用結構的低階固有頻率變化量作為推斷結構損傷的特征量是可行的。2、基于人工神經網絡的橋梁結構損傷診斷人工神經網絡是在物理機制上模擬人腦信息處理機制的信息系

4、統(tǒng),其不但具有數(shù)值處理的一般計算能力,而且還具有處理學問的思維、學習、記憶能力。神經網絡產生于20世紀40年月,至今已有半個多世紀的歷程。目前應用于結構損傷診斷領域的神經網絡主要為多層前饋性神經網絡(BP神經網絡)。BP神經網絡是當前工程應用最廣泛的一種人工神經網絡。它的最大特點是僅僅借助樣本數(shù)據,無須建立系統(tǒng)的數(shù)學模型,就可對系統(tǒng)實現(xiàn)由R??臻g(n為輸入節(jié)點數(shù))到R。空間(m為輸出節(jié)點數(shù))的高度非線性映射。故在橋梁損傷診斷應用中,可以直接使用BP神經網絡實現(xiàn)輸入參數(shù)與橋梁損傷狀態(tài)之間的非線性映射,而無須建立系統(tǒng)的數(shù)學模型。而且,這種映射結果的精度一般可由足夠的教育樣本(由仿真數(shù)據得到)來保證

5、。BP網絡是一單向傳揚的多層前向網絡。BP算法的學習過程由正向傳揚和反向傳揚組成。網絡除輸入、輸出節(jié)點外,有一層或多層的隱層節(jié)點,同層節(jié)點中沒有任何耦合。輸入信號從輸入層節(jié)點依次通過各隱層節(jié)點,然后傳到輸出層節(jié)點,每一層節(jié)點的輸出只影響下一層節(jié)點的輸出。每個節(jié)點為單個神經元,其單元特性(傳遞函數(shù))通常為Sigmoid型函數(shù),但在輸出層中,節(jié)點的單元特性有時為線性函數(shù)。倘若輸出層不能得到期待的輸出,則轉入反向傳揚,將誤差信號沿本來的銜接通路返回通過修改各層神經元的權值使得誤差信號最小。BP網絡可看成是一從輸入到輸出的高度非線性映射。道路、橋梁是國家重要的生命線工程,運用神經網絡對它們綻開健康檢測

6、與診斷意義重大。3、動力特性參數(shù)和神經網絡相結合的橋梁結構損傷診斷對于神經網絡來說,輸入特征參數(shù)的抉擇對其學習時光和網絡泛化能力影響巨大。神經網絡剛開頭用于結構損傷識別與檢測時,用振動信號作為網絡的輸入,使得網絡結構過于復雜且教育時光過長。Tsou和Shen于1994年運用固有頻率的變化和動力殘余矢量的變化作為BP網絡的輸入來舉行損傷檢測,分離用3個自由度的彈簧質子系統(tǒng)和8個自由度的彈簧質子系統(tǒng)來驗證所提方法的有效性。同年,Stephens和Vanluchene描述了一種結構平安狀態(tài)的評估方法,該方法使用多個定量指標和BP網絡對經過地震破壞后的多層建造舉行了損傷識別與評估。該方法使用3個閱歷性

7、的定量指標即最大位移、建造物的累積能量耗散、剛度退化作為網絡的輸入,輸出為一個O1之間的數(shù)。用60個樣本數(shù)據來教育神經網絡,32個樣本數(shù)據來檢驗神經網絡,并與線性回歸法舉行了比較,發(fā)覺運用神經網絡法的正確識別率比線性回歸法提高了25%??紤]到開裂程度、強度降低程度和使用時光等因素對建造物性能的影響,王恒棟將開裂程度、強度降低程度和使用時光作為神經網絡的輸入,對舊有結構的性能舉行了損傷評估。同年Ma。,i等人用神經網絡來檢驗振動過程中結構參數(shù)的變化,他們用相對位移和相對速度作為網絡輸入,恢復力作為網絡輸出,分離用線性系統(tǒng)和非線性系統(tǒng)兩個算例驗證了方法的有效性;他們還于2000年提出了基于神經網絡

8、的非線性系統(tǒng)識別方法。Kaminsk提出了固有頻率的變化作為神經網絡的輸入來近似識別損傷的位置,他研究了數(shù)據未處理(固有頻率)、數(shù)據處理后(損傷前后頻率變化比、標準化的損傷前后頻率變化比)對損傷定位的影響,同時還爭論了不同隱含層單元數(shù)對網絡性能的影響。1999年Ni等人研究了輸人參數(shù)對用BP網絡舉行損傷檢測效果的影響,提出了既考慮頻率變化又考慮模態(tài)組分的組合模態(tài)損傷指標,并將其作為網絡的輸入舉行了損傷定位和損傷程度的預測。同年,王柏生研究了模型誤差對有不同網絡輸入的BP網絡損傷識別的影響,研究發(fā)覺,用神經網絡舉行損傷識別時,模型誤差的影響很小,在教育神經網絡時用10%的模型誤差是可以采納的。4、展望橋梁損傷診斷是一門結合系統(tǒng)識別、振動理論、振動測試技術、信號采集與分析、結構智能控制等技術的學科。而目前的橋梁監(jiān)測系統(tǒng)中不含結構模型,因而無自動損傷識別的能力。但是按照神經

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論