自適應神經(jīng)智能方法及其在結構損傷診斷中的應用.pdf

1、本文在總結回顧以前工作的基礎上,主要開展了如下4個方面的工作:(1)當結構發(fā)生損傷時,在損傷處,其模態(tài)振型或其高階導數(shù)不連續(xù)即存在奇異,這種奇異性可以通過尋找其小波變換模極大在細尺度下的收斂的橫坐標來檢測,奇異性位置即對應結構中的損傷位置;為了對損傷程度進行診斷,利用神經(jīng)網(wǎng)絡較強的非線性映射能力來模擬小波變換模極大和損傷程度之間的非線性關系,采用db2小波對模態(tài)振型進行離散小波變換,將多個尺度下小波變換模極大值進行歸一處理后,作為BP網(wǎng)

2、絡的輸入?yún)?shù),輸出為結構的損傷程度.(2)根據(jù)利用模態(tài)曲率進行損傷檢測的原理,采用具有二階消失矩的墨西哥草帽小波對結構在健康和損傷狀態(tài)下的模態(tài)振型差進行連續(xù)小波變換,由此提出了表示損傷位置的指標.即相當于先用高斯函數(shù)對模態(tài)振型差進行平滑處理,然后對平滑后的模態(tài)振型差求解二階導數(shù),通過尋找小波變換模極大在細尺度下收斂的橫坐標來檢測損傷位置.根據(jù)Lipschitz指數(shù)與小波變換模極大的關系,討論了損傷程度與Lipschitz指數(shù)的關系.(3