详情

原文传递船体结构移动载荷识别技术研究

论文题名：	船体结构移动载荷识别技术研究
关键词：	船体结构;健康监测;移动载荷识别;极限学习机;BP神经网络
摘要：	船舶与海洋工程结构物在运营过程中存在安全隐患，因此结构物的健康监测是当前学者研究的热点问题。移动载荷识别作为结构健康监测中的关键一环，为结构物的安全评估提供了重要依据。然而，绝大部分情况下移动载荷都是难以预测和直接测量的，在直接测量不可行的情况下，移动载荷识别便成为一种行之有效且成本较低的方法。因此针对船体结构移动载荷识别问题，本文主要围绕移动载荷识别算法展开研究，主要研究内容如下: 　　(1)开展了基于时域法的移动载荷识别技术研究。阐述了时域法识别移动载荷的基本原理，以简支梁为算例进行移动载荷识别，对比不同测点位置、测点数量，不同噪声水平下的识别精度。分析了时域法可能出现的传递矩阵病态问题，并提出了改进的方向。　　(2)针对时域法求解时可能出现的矩阵病态问题，采用了一种方法进行改进，通过局部凸曲线准则选取正则化参数，结合Tikhonov正则化方法(Tikhonov_Lcc)对移动载荷识别方程进行求解。以简支梁为算例验证了算法的可行性，分析了不同噪声水平，不同测点数量、测点位置下的识别精度，并与时域法进行比较，得到了更为稳定精确的载荷值。　　(3)传统的解析算法较难建立复杂结构上移动载荷与响应之间的关系，针对此问题开展了基于BP神经网络的船体结构移动载荷识别方法研究。首先阐述了BP神经网络的基本原理，研究了该方法识别移动载荷的流程，接着分别以简支梁及船体板架结构为算例进行算法验证，最后分析不同噪声水平对识别精度的影响，及噪声注入训练样本对网络泛化性的影响，探讨了不同测点数量对识别精度的影响。研究结果表明，通过BP神经网络算法能够有效地识别移动载荷。　　(4)针对移动载荷识别中的效率问题，采用极限学习机(ELM)算法识别船体结构上的移动载荷。首先阐述了ELM算法的基本原理，并探索如何通过该算法进行移动载荷识别，接着分别以简支梁和船体板架结构为算例进行验证，对比不同噪声水平下识别结果的精度，探讨了噪声注入训练样本对算法的影响，研究了不同测点数量对识别结果的影响。最后与BP神经网络识别结果进行对比，结果表明ELM算法有着相近的识别精度与更高的识别效率，并分析了识别效率提高的具体原因。
作者：	李旭
专业：	船舶与海洋工程
导师：	曲先强;滕瑶
授予学位：	硕士
授予学位单位：	哈尔滨工程大学
学位年度：	2021