鋼桁架結(jié)構(gòu)損傷智能識(shí)別研究.pdf

1、在與人們生活息息相關(guān)的建筑結(jié)構(gòu)中，由于設(shè)計(jì)、施工等先天性缺陷以及外部荷載作用、環(huán)境因素、疲勞效應(yīng)、腐蝕效應(yīng)和材料老化等災(zāi)變因素的耦合作用以及各種不可確定因素的作用會(huì)使結(jié)構(gòu)出現(xiàn)不同程度的損傷。而當(dāng)建筑的結(jié)構(gòu)發(fā)生損傷以后，將會(huì)影響結(jié)構(gòu)的承載力及耐久性，使得抵抗外力的能力下降，從而引發(fā)嚴(yán)重的工程事故，這樣就會(huì)造成重大的人員傷亡和經(jīng)濟(jì)損失。因此，本文在查閱了大量相關(guān)的文獻(xiàn)資料的基礎(chǔ)上，對(duì)建筑結(jié)構(gòu)中的鋼桁架結(jié)構(gòu)的損傷進(jìn)行了智能化的識(shí)別。

2、目前，對(duì)結(jié)構(gòu)進(jìn)行檢測(cè)和評(píng)估，以確定結(jié)構(gòu)是否有故障與損傷存在，進(jìn)而判別故障與損傷的程度與位置，以及結(jié)構(gòu)目前的狀況、使用功能和結(jié)構(gòu)故障的變化趨勢(shì)等，已經(jīng)成為了國(guó)內(nèi)外的研究熱點(diǎn)。而理想的健康監(jiān)測(cè)系統(tǒng)應(yīng)該能夠在結(jié)構(gòu)損傷出現(xiàn)的較早時(shí)候發(fā)現(xiàn)損傷，采用損傷識(shí)別技術(shù)確定損傷的位置，估計(jì)損傷的程度并預(yù)測(cè)結(jié)構(gòu)的剩余有效壽命以及結(jié)構(gòu)的可靠度。而將結(jié)構(gòu)健康監(jiān)測(cè)與智能診斷系統(tǒng)進(jìn)行有效的整和才能把目前廣泛使用的離線、靜態(tài)、被動(dòng)的檢查轉(zhuǎn)變?yōu)樵诰€、動(dòng)態(tài)、實(shí)時(shí)的健康監(jiān)測(cè)

3、與監(jiān)控。 本文提出了一套結(jié)構(gòu)損傷識(shí)別的智能化方法，根據(jù)鋼桁架結(jié)構(gòu)損傷前后以及不同損傷位置和不同損傷程度的模態(tài)頻率，運(yùn)用了相應(yīng)的神經(jīng)網(wǎng)絡(luò)技術(shù)以及小波分析技術(shù)，對(duì)其損傷位置和損傷程度進(jìn)行了智能識(shí)別，并給出了模擬仿真。 本文主要研究?jī)?nèi)容如下： （1）單個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中存在的主要問題是不具有全局搜索能力，計(jì)算開銷很大，易陷入局部極小。粒子群優(yōu)化算法是90年代出現(xiàn)的基于群體智能理論的優(yōu)化算法。通過群體中粒子間的合作與競(jìng)爭(zhēng)產(chǎn)

4、生了群體智能指導(dǎo)優(yōu)化搜索。粒子群算法與神經(jīng)網(wǎng)絡(luò)的融合也是基于克服神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)可靠性低的問題，也是基于種群的全局搜索策略。它采用速度—位移模型，避免了復(fù)雜的遺傳操作。它特有的記憶使其可以動(dòng)態(tài)地跟蹤當(dāng)前的搜索情況，進(jìn)而調(diào)整其搜索策略。本文在傳統(tǒng)的BP—PSO的算法基礎(chǔ)上進(jìn)行了改進(jìn)，提出了一種優(yōu)化算法。并將該改進(jìn)的BP—PSO與傳統(tǒng)的BP—PSO算法進(jìn)行了比較與分析。 （2）小波變換是一種信號(hào)的時(shí)間—尺度分析方法，它具有多分辨分析的

5、特點(diǎn)，小波分析在時(shí)域和頻域上同時(shí)具有良好的局部化性質(zhì)。小波網(wǎng)絡(luò)（Wavelet Network）是小波變換分析與神經(jīng)網(wǎng)絡(luò)的融合，具有比單純的BP神經(jīng)網(wǎng)絡(luò)更好的收斂性和更好的抗干擾能力。本文在傳統(tǒng)的小波網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行了算法的優(yōu)化，提出了一種將小波分析與遺傳算法相融合的優(yōu)化算法。 （3）通過對(duì)非對(duì)稱型鋼桁架結(jié)構(gòu)損傷前后以及不同損傷位置和不同損傷程度下的提取的參數(shù)：模態(tài)頻率，運(yùn)用改進(jìn)的BP—PSO優(yōu)化算法，對(duì)其進(jìn)行單根桿件損傷位置和

6、損傷程度的智能識(shí)別，以及雙根桿件損傷位置和損傷程度的智能識(shí)別。運(yùn)用該方法能有效診斷出損傷發(fā)生的位置以及該損傷位置的損傷程度。對(duì)損傷識(shí)別結(jié)果進(jìn)行相應(yīng)誤差的分析。 （4）通過對(duì)對(duì)稱型鋼桁架結(jié)構(gòu)損傷前后以及不同損傷位置和不同損傷程度下的提取的參數(shù)：模態(tài)頻率，運(yùn)用改進(jìn)的小波網(wǎng)絡(luò)與遺傳算法的融合算法，對(duì)其進(jìn)行單根桿件損傷位置和損傷程度的智能識(shí)別，以及雙根桿件損傷位置和損傷程度的智能識(shí)別。運(yùn)用該方法能有效診斷出損傷發(fā)生的位置以及該損傷位置的