原文传递
基于神经网络的拱桥结构损伤识别
| 论文题名： | 基于神经网络的拱桥结构损伤识别 |
| 关键词： | 拱桥结构;结构损伤识别;神经网络 |
| 摘要： | 随着我国交通事业的快速发展，特大型桥梁结构不断涌现，新旧桥梁数量日益增多。为确保人民生命财产安全，快速有效地识别出桥梁结构可能发生损伤的部位和损伤程度，及时掌握桥梁运营下的健康状况，是当前桥梁工程研究领域的热点问题之一。拱桥特有的力学性能和结构上的优越性，使其在大跨度桥梁的建造方面具有广阔的发展前景，然而，国内对大跨度拱桥的安全性评价问题尚未进行深入研究。因此，如何在经济和技术允许的条件下，合理评价大跨度拱桥的安全性，是一项迫切而意义重大的课题。 根据神经网络在结构损伤识别的已有成果，并对BP神经网络、RBF神经网络性能进行了分析，提出将RBF神经网络用于拱桥损伤识别研究，给出应用方法步骤。 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，根据桥梁结构损伤识别与神经网络的发展前景，以球溪河大桥为背景，利用有限元ANSYS及MATLAB程序将振动模态分析理论和RBF神经网络相结合应用于拱桥损伤识别中，同时实现对损伤位置与损伤程度的识别，集中考虑了桥梁结构单构件损伤、两个构件损伤、三个构件损伤三类损伤工况，分别采用了振动频率、振型模态、曲率模态三种指标作为神经网络的输入参数，采集各损伤状态下的样本数据，建立RBF神经网络模型进行了拱桥损伤识别的研究。研究表明RBF神经网络可用于识别拱桥结构损伤位置和损伤程度。 |
| 作者： | 葛林瑞 |
| 专业： | 桥梁与隧道工程 |
| 导师： | 赵人达 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
