论文部分内容阅读
我国桥梁数量日益增多,桥梁的健康监测变得越来越重要,而有效快速的识别桥梁结构可能发生损伤的位置和程度变得尤为重要。小波分析被誉为分析信号的数学显微镜,具有优良的时间和频率局部化特征。神经网络对信号处理方面具有良好的自组织、自学习、自适应能力,并且具有高度的非线性映射能力。因此,结合两者的优点,通过小波分析和神经网络有效地识别斜拉桥主梁的损伤位置和损伤程度,具有重要的理论意义和工程应用价值。论文以斜拉桥损伤识别为研究课题,取得了如下主要成果:本文通过对斜拉桥进行有限元分析,将提取的模态参数进行连续小波变换得到结构的小波系数图,由小波系数模极大值点确定损伤位置。以含损伤斜拉桥的前四阶固有频率作为神经网络输入参数构造神经网络模型,经过样本数据的训练与测试,从而实现对斜拉桥损伤程度的识别。给出了斜拉桥损伤识别的原理,建立了一种识别斜拉桥损伤位置和损伤程度的小波神经网络方法。通过对单塔斜拉桥含单损伤和多损伤分别进行研究,在运用有限元分析提取其转角和曲率模态参数的基础上,对模态参数进行连续小波变换,根据小波系数图中的模极大值点来识别损伤位置。利用有限元计算分析获得含损伤单塔斜拉桥的前四阶固有频率,对两种不同损伤工况分别构造了损伤程度为20%、30%、40%和18%、28%、38%的训练样本,通过BP神经网络构造的网络计算分析,样本数据训练和测试结果误差均在5%以内。本文研究了双塔斜拉桥含单损伤和多损伤的识别问题,通过建立含损伤的双塔斜拉桥有限元模型,对其动力特性进行有限元分析得到模态参数,然后进行连续小波变换有效地识别了损伤位置。再利用含损伤双塔斜拉桥的前四阶固有频率,对两种不同的损伤工况分别构造了损伤程度为20%、30%、40%和18%、28%、38%的训练样本,通过BP神经网络构造的网络计算得到的样本数据训练和测试结果均满足工程精度要求。本文所建立的小波神经网络算法,不仅能识别斜拉桥主梁的损伤位置,而且能有效识别斜拉桥主梁的损伤程度。该方法对斜拉桥损伤诊断的工程应用有一定的指导意义。