基于bp神经网络的桥梁损伤识别方法研究

《基于bp神经网络的桥梁损伤识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：U446密级：公开UDC：单位代码：10424学位论文基于BP神经网络的桥梁损伤识别方法研究聂尧申请学位级别：硕士学位专业名称：交通运输规划与管理指导教师姓名：孙宗军职称：副教授山东科技大学二零零九年五月论文题目：基于BP神经网络的桥梁损伤识别方法研究作者姓名：聂尧入学时间：2006年9月专业名称：交通运输规划与管理研究方向：城市交通规划与管理指导教师：孙宗军职称：副教授论文提交日期：2009年5月论文答辩日期：2009年5月授予学位日期：RESEARCHONTHEBRIDGEDAMAGEDETECTIONMETHODBASEDONB

2、PNEURALNETWORKADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofMASTEROFPHILOSOPHYfromShandongUniversityofScienceandTechnologybyNieYaoSupervisor:AssociateProfessorSunZongjunCollegeofInformationandElectricalEngineeringMay2009声明本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所公

3、认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有呈交于其它任何学术机关作鉴定。硕士生签名：日期：AFFIRMATIONIdeclarethatthisdissertation,submittedinfulfillmentoftherequirementsfortheawardofMasterofPhilosophyinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge.Thedocumenthasnotbe

4、ensubmittedforqualificationatanyotheracademicinstitute.Signature:Date：山东科技大学硕士学位论文摘要摘要对桥梁结构的损伤识别、定位以及评估是近年来十分流行的研究课题，结构损伤检测技术己被广泛应用于航天、土木、机械和核工业中，是一门建立在损伤机理、传感器技术、信号分析技术、计算机技术及人工智能技术之上的多学科综合性技术。相对于传统的结构损伤检测方法，本论文以国内外大量有关结构损伤识别、神经网络资料的收集分析为基础，主要对基于BP神经网络的桥梁结构损识别方法进行研究。根据人工神经

5、网络在结构损伤识别的已有成果，并对BP神经网络神经网性能进行了分析，提出将BP神经网络用于桥梁损伤识别研究，给出应用设计方法步骤，建立了桥梁损伤检测的BP神经网络模型。针对传统神经网络在结构损伤检测应用中的不足，本文对传统BP(back-propagation)算法提出了改进的BP神经网络算法，同时对输入特征参数的选取，特别是固有频率进行了详细的分析说明。采用改进后的BP神经网络对桥梁结构进行损伤诊断，通过与传统BP网络法的诊断结果进行对比，得出改进后的BP网络算法在实际应用上能克服传统BP网络算法收敛速度慢，存在局部极小的问题。研究表明改进

6、的BP神经网络可用于识别桥梁结构损伤位置和损伤程度；改进后的BP网络的桥梁结构损伤诊断具有较好的诊断效果，与传统的BP神经网络相比，不仅提高了计算速度，而且较大地提高了识别精度，具有较好的应用前景。关键词：神经网络，改进后的BP神经网络，损伤识别，固有频率，简支梁山东科技大学硕士学位论文摘要ABSTRACTTheidentification,location,andestimationproblemofstructuraldamageforbridgehasbeenthepopularresearchinrecentyears.Thedama

7、geidentificationtechniqueshavebeenwidelyusedinaeronautical,civil,mechanicalandnuclearstructures.Itisacomplextechniqueconstructedonthedamagetheory,sensortechnology,signalanalysis,computerscienceandartificialnetworks.Relativetothetraditionaltechnologyofstructuraldamageidentif

8、ication,onthebasisofcollectionandanalysisofthedataaboutstructuraldamagedetection,a