原文传递
基于RBF神经网络的板桩码头的损伤诊断
| 论文题名： | 基于RBF神经网络的板桩码头的损伤诊断 |
| 关键词： | 径向基神经网络;板桩码头;结构损伤;识别诊断;有限元模型 |
| 摘要： | 建国60多年来，我国的港口建设事业取得了长足的发展，为我国的国民经济做出了重大的贡献。但是在我国目前已建成的港口建筑物中，有很大一部分已经投入运行了数十年的时间，可能发生了不同程度的损伤。对这些码头结构进行损伤诊断并及时进行修复，是保证这些结构安全使用的重要前提。 本文查阅了大量关于结构损伤诊断和神经网络的文献，了解了损伤识别技术的发展历史和现状。根据结构物的损伤识别技术和神经网络的发展前景，提出了将径向基神经网络(RBF神经网络)用于码头结构的损伤识别中，本文以板桩码头为例检验其可行性。 本文用ABAQUS建立板桩码头结构的有限元模型并进行计算，集中考虑板桩墙和拉杆的损伤，考虑单损伤和双损伤两种工况，采用频率和振型位移两种指标作为神经网络的输入参数，并采集各个损伤工况下的样本数据。建立了四个RBF神经网络，分别为Net-R1A、Net-R1B、Net-R2A和Net-R2B，进行板桩码头的损伤识别。本文证明RBF神经网络可以用于板桩码头的损伤识别。 在实际工程中进行损伤识别时，不可避免会存在着各种误差，例如环境噪声和测量误差。本文用高斯白噪声模拟各种误差，研究了不同噪声水平下的损伤识别效果。对于在建模时的模型误差，本文也提出了解决意见。 最后，对本文的研究成果进行了总结，并对以后的研究工作进行了展望。 |
| 作者： | 刘晗晗 |
| 专业： | 水利工程 |
| 导师： | 孙克俐 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
