原文传递
基于神经网络技术的大跨斜拉桥结构损伤分步识别方法研究
| 论文题名： | 基于神经网络技术的大跨斜拉桥结构损伤分步识别方法研究 |
| 关键词： | 大跨斜拉桥;桥结构损伤;损伤识别;神经网络 |
| 摘要： | 大跨桥梁的安全与健康监测系统和损伤识别方法是当前工程领域研究的热点问题。如何运用监测系统的实时监测数据，通过合理的损伤识别方法及时有效地发现结构中的损伤并实现准确的定位和定量分析，对于建立科学完善的桥梁在线健康监测系统具有重要的理论及应用价值。本文以润扬长江公路大桥斜拉桥为工程背景，针对大跨斜拉桥这一特定的桥梁结构形式，进行了斜拉桥损伤分步识别的系统性研究，完成的主要工作和取得的成果包括： (1)结合润扬大桥北汊斜拉桥的修正有限元模型，分别定义了斜拉桥结构损伤识别的频率变化率指标FCR、索力变化率指标ICT以及归一化综合模态曲率损伤指标CDl，进行斜拉桥损伤识别指标的敏感性分析，研究斜拉桥拉索损伤和主梁损伤对频率、拉索索力及模态曲率等动静力特性的影响。 (2)根据结构损伤后其柔度增大的特征，构建了基于模态柔度矩阵变化的损伤预警指标，给出了运用该指标对实际结构进行损伤预警或异常检测的步骤。该指标的损伤报警阈值可依据结构在无损状态时由健康监测系统或定期检测所得到的实测模态数据以及结构有限元模型的模态分析结果计算得到，并在结构的使用过程中根据实测数据长期、连续地计算并观察损伤预警指标的大小及其变化情况。 (3)提出了新的基于神经网络技术的斜拉桥损伤分步识别方法，可实现斜拉桥主要构件即拉索和主梁中损伤的有效识别。损伤识别过程中首先辨别、区分拉索损伤模式与主梁损伤模式，然后进一步识别拉索(或主梁)损伤的位置和程度。采用三个不同的神经网络分阶段实现大跨斜拉桥的损伤识别，取得了良好的识别效果。 (4)以斜拉桥损伤前后四个低阶竖弯振型的频率变化率作为神经网络的输入向量，以概率神经网络作为网络模型，建立用来区分拉索损伤模式和主梁损伤模式的神经网络。当噪声水平不太大时，以加入随机噪声后的测试数据送入网络进行测试，可以获得较好的分类识别效果。将多组测试数据平均后，网络的正确识别率大大提高。 (5)提出了将对拉索损伤敏感的拉索索力变化作为拉索损伤识别网络的输入参数。以斜拉桥四个低阶竖弯振型的频率变化率和恒载作用下的拉索索力变化率作为输入向量，建立用来识别拉索损伤位置和损伤程度的RBF神经网络；将主梁沿纵轴线划分为若干区段后进行主梁损伤的识别，以斜拉桥四个低阶竖弯振型的频率变化率和一阶对称竖弯振型在主梁纵轴线上少数节点的竖向位移改变量作为输入向量，建立用来识别主梁损伤位置和损伤程度的RBF神经网络。所得到的网络具有较好的鲁棒性和容错性。 |
| 作者： | 赵玲 |
| 专业： | 防灾减灾及防护工程 |
| 导师： | 李爱群 |
| 授予学位： | 博士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
