论文部分内容阅读
对结构进行在线监测和故障诊断，可以实时了解结构的工作状态，及时发现故障和故障的位置，以及故障对结构损伤的程度。这对及时维修结构，延长结构的寿命，预防重大灾难性事故的发生具有重要的意义。人工神经网络(Artificial Neural Network简称ARTIFICAL NEURAL NETWORK)是在现代神经生理学和心理学的研究基础上，模仿人的大脑神经元结构特性而建立的一种非线性动力学网络系统。人工神经网络最大的特点是自适应，它通过自身的学习机制自动形成所要求的决策区域。因此，人工神经网络广泛应用在故障诊断中。 本文主要研究如何运用传感器技术、信号提取和信号处理技术、人工神经网络及BP算法、故障诊断和结构动力学知识、MATLAB软件、SuperSAP软件、DSPS系统，对结构进行在线监测，当结构受激励时，监测系统就会自动采集信号，获得特征参数，将特征参数输出训练好的BP人工神经网络，就可以诊断结构是否有故障。如果有故障，BP人工神经网络就会诊断出故障发生的位置以及结构损伤的程度。 用加速度传感器和DSPS系统，实现了对悬臂梁结构的在线监测。用MATLAB的神经网络工具箱，编写了基于MATLABA的BP神经网络算法的程序。进行了悬臂梁在线监测与故障诊断实验。对悬臂梁的故障用SuperSAP软件进行了仿真数值计算，获得训练样本。 综合全文，可以得出以下几个结论：(1)用DSPS系统、传感器技术、信号处理技术，能够实现对结构的在线监测。(2)将BP人工神经网络应用于故障诊断中是可行的，这充分发挥了其自适应强的特点。(3)用结构的频率作为特征参数，用训练好的BP人工神经网络进行诊断，能够诊断结构是否有故障。(4)悬臂梁试验及数值计算表明，频率易于提取，且反映了悬臂梁的状态，以其为特征参数，结合BP人工神经网络，在特定条件下，可以诊断悬臂梁是否有故障，故障的位置和损伤程度。