论文部分内容阅读
近年来我国和世界各地灾难性的土木工程事故频频发生,这些事故的发生引发了人们对结构“健康”问题的广泛关注。工程结构的实际性态将随结构的使用而改变,如材料老化、疲劳断裂等,这将导致结构的承载力下降,安全性受到威胁。如何了解结构在破坏以前的损伤情况,以便对结构安全状态作出正确的评估,是当今结构工程研究的一个热点问题,即所谓的结构健康监测(Health Monitoring)。荷载监测和损伤识别是结构健康监测的两个重要内容。本文使用人工神经网络技术对结构荷载识别和损伤识别进行了研究。 文中在传统的BP网络中引入学习率自适应调整算法,通过多次数值模拟确定初始学习速率和动量系数等网络关键参数的取值;考虑了网络拓扑结构问题;分析了学习率、动量系数等网络参数对网络收敛速度和输出精度的影响;探讨了训练样本容量与网络识别效果的关系。 在结构荷载识别中,分别使用挠度(挠曲率)和应变(应变曲率)作为输入参数,得到挠曲率、应变曲率的识别效果分别优于挠度和应变,而应变曲率的识别效果又好于挠曲率;在损伤识别中,文中将输入参数划分为位置参数和程度参数,并首先提出了基于动、静态数据融合的位置指标和完全基于频率位置指标;分别采用两步诊断法和一步诊断法进行损伤识别,结果表明基于神经网络的两步诊断法的识别效果好于一步诊断法。 通过结构荷载识别和损伤识别的数值仿真算例的验证,学习率自适应调整算法有效的避免了网络训练过程中误差曲线的振荡现象,提高了网络的学习速率,网络关键参数的优化取值改善了网络的收敛速度和输出精度。