原文传递
基于RBF神经网络的桥梁损伤多重分步识别
| 论文题名： | 基于RBF神经网络的桥梁损伤多重分步识别 |
| 关键词： | 神经网络;桥梁结构;损伤识别;多重分步;测量噪声 |
| 摘要： | 随着现代交通事业的飞速发展,桥梁结构的安全性和使用要求越来越高,及时、准确地发现桥梁结构或构件的损伤已经成为一个迫切需要解决的重要问题。桥梁在自然环境和使用环境的长期作用下,承载力将逐渐降低并最终导致桥梁的垮塌,对人民群众的生命财产安全造成重大威胁。因此,分析研究桥梁的损伤识别技术非常重要。 桥梁结构的损伤会引起相应的动力特性的改变,如果建立起结构动力特性变化与结构损伤之间的映射关系就可以实现结构桢伤识别。神经网络具有非线性映射能力强、容措性好等优点,非常适合用于结构桢伤识别。本文在研究国内外大量有关结构损伤识别和神经网络资料的基础上,利用ANSYS及MATLAB程序将RBF神经网络应用于桥梁的损伤识别中,提出了基于神经网络的结构桢伤多重分步识别方法。 根据结构桢伤的多童分步识别思路,把结构损伤识别主要分为三步:第一步利用神经网络建立损伤异常过滤器对结构损伤进行预警;第二步以频率和模态振型构造的组合指标作为神经网络输入向量对结构桢伤进行定位;第三步以频率平方变化率作为神经网络输入向量对结构桢伤程度进行识别。研究表明:在一定的测量噪声范围内,基于RBF神经网络的桥梁结构桢伤多重分步识别方法可以对结构准确地进行桢伤预警、桢伤定位和桢伤程度的识别。 |
| 作者： | 李增江 |
| 专业： | 桥梁与隧道工程 |
| 导师： | 张海龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
