原文传递
基于模态信息熵和GA-BP神经网络的桥梁损伤识别研究
| 论文题名： | 基于模态信息熵和GA-BP神经网络的桥梁损伤识别研究 |
| 关键词： | 模态信息熵;遗传算法;GA-BP神经网络;桥梁损伤识别 |
| 摘要： | 随着我国桥梁老化问题日益突出，桥梁损伤识别和健康监测已经成为未来桥梁发展的重要方向。基于结构振动特性和智能算法等理论的损伤识别方法已经得到很大的进展，但是，桥梁的损伤识别仍然存在很多难点，如实测完备信息获取难度大，环境噪声影响大，结构损伤程度定量分析难等困难。所以本文基于前人研究和结构损伤识别现状，结合信息熵，模态应变能和智能算法理论的优势进行了结构损伤定位分析与定量分析，相关研究如下： （1）对传统的模态应变能理论进行了改进，改进后的模态应变能理论同时采用了损伤前后的振型。结合改进模态应变能理论和信息熵理论，推导出损伤前后改进模态应变能熵函数，构造出新的损伤识别指标:改进模态应变能熵值变化率(ImprovedModalStrainEnergyEntropyGradient，IMSEEG)来对结构的损伤位置进行分析。 （2）建立了简支梁桥和桁架梁桥两种不同结构形式的桥梁进行数值模拟分析，验证了IMSEEG指标进行损伤定位的有效性和准确性，并运用数据拟合方法对结构的损伤程度进行了分析，且对其进行了抗噪性分析。 （3）运用遗传算法优化BP神经网络的初始权值和阈值，构建GA-BP神经网络，以损伤识别指标IMSEEG作为网络的输入，输出各单元的刚度折减系数，以此来对结构的损伤进行定量分析。 （4）为进一步验证IMSEEG指标和GA-BP神经网络的实际应用能力，进行了简支钢梁桥振动测试试验。以钢梁开槽模拟结构损伤工况，获取结构损伤前后的模态信息，按步骤对试验数据进行处理计算。 全文结合理论分析、数值模拟及试验验证充分证明了本文方法的有效性和准确性。研究结果表明，本文所推导出的IMSEEG指标能够对简支梁和桁架梁桥的单点损伤和多点损伤进行准确定位。IMSEEG指标结合GA-BP神经网络能够对结构的单点损伤和多点损伤进行精确定量分析，相对误差能够保持在5%以内。IMSEEG在分析简支梁桥损伤时能够在信噪比为20dB及以上的环境下准确识别出损伤位置，在桁架梁桥结构中则需要在信噪比为40dB及以上的环境下才能精准定位损伤，表明随着结构复杂程度的提高，IMSEEG指标的抗噪性能会受到一定程度的影响。最后，基于简支钢梁试验进一步验证了损伤识别方法的准确性，但受到试验中不可控因素的影响，使得损伤识别精度有所降低。 |
| 作者： | 何坤 |
| 专业： | 建筑与土木工程 |
| 导师： | 项长生;陈红亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
