探析基于bp神经网络的空间索杆结构损伤识别研究

《探析基于bp神经网络的空间索杆结构损伤识别研究》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、华南理工大学硕士学位论文基于BP神经网络的空间索杆结构损伤识别研究姓名：胡云霞申请学位级别：硕士专业：结构工程指导教师：吴波20050501摘要人工神经网络技术在结构损伤识别中得到了越来越广泛的应用。空间索杆结构是一类应用广泛的结构型式。在这类结构中，拉索是提供预应力及结构刚度的主要构件。使用过程中，由于外界荷载及环境因素的影响，有可能导致拉索出现预应力松弛现象。此外，该类结构中的节点通常是用螺栓或焊缝联结的，由于螺栓和焊缝在长期风荷载引起的结构振动中有可能产生裂缝或松动，如不及时发现会导致节点损伤的累积扩展，在强风作用下

2、甚至会引起结构的倒塌。因此，积极开展该类结构中拉索预应力松弛现象和节点损伤的识别研究是十分必要的。本文以一个工程实例为研究对象，针对上述问题，主要进行了以下五个方面的工作：1．分析了神经网络的基本原理和特点，针对结构的损伤识别问题就BP神经网络的结构选取、训练函数的选取和训练样本的选取等进行了分析和总结。2．针对某空间索杆结构，通过有限元分析，揭示了该结构的自振特性及不同荷载组合作用下的静力性能。3．针对该结构单榀承重索的预应力松弛现象．设计了基于两组不同数目训练样本的两个BP神经网络分别用于单榀承重索的损伤位置和损伤程度

3、的识别，以仅出现单榀索损伤的不同测试样本对网络性能进行了测试，分析了不同数目的训练样本对损伤识别效果的影响。4．针对该结构双榀承重索的预应力松弛现象，设计了基于两组不同数目训练样本的两个BP神经网络分别用于双榀承重索的损伤位置和损伤程度的识别，以包含单榀索损伤和双榀索损伤的不同测试样本对网络性能进行了测试，并分析了不同数目的训练样本对网络识别效果的影响。5．针对该结构关键部位的节点损伤现象，提出用两个杆单元模拟出现节点损伤的杆件，设计了两层BP神经网络。第一层网络用于识别节点损伤子区域，在第一层网络识别结果的基础上，进一步

4、利用第二层各个子区域对应的子网络进行杆端具体损伤位置和程度的识别。以不同的测试样本对网络性能进行了测试，根据测试结果对各个子网络的性能进行了分析比较。关键词：结构损伤识别；BP神经网络；空间索杆结构；预应力松弛；节点损伤华南理工大学硕士论文AbstractThetechniqueofartificialneuralnetworkiSusedmoreandmorewidelyinstructuraldamageindentification．Spatialcable·strutstructureisakindofconfig

5、urationshapeinwideuse．Inthiskindofconfiguration，tendonsarethemaincomponentsthatprovidetheprestressandthestiffnessofthestructure．Fortheeffectoftheoutsideloadandtheenvironmentfactor，thetendonswillprobablylossprestressInaddition，jointsarecoupleupbyboltorweldinglinein

6、thiskindofconfiguration．Becauseboltandweldinglinewillappearcrackorbecomeflexiblecausedbyconstructionvibrationsufferingfromperennialwindload，thejointdamagewillexpandandthenthestructurewillcollapseactedbyviolentwindloadifdon’tfindintime．It’SverynecessaryforUStolaunc

7、htheresearchoftheprestress-losesofthetendonsandjointdamage．Astructureprojectistakenastheresearchtargetinthispaper．Accordingtotheaboveproblems，fivepartsofresearchworkareinvolved．1．Thebasicprincipleandcharacteristicofneuralnetworksareanalyzedinthispaper．Aimingatstru

8、cturedamageidentificationproblem，theselectionofBack—propagationNeuralNetworksstructure，selectionoftrainingfunctionandselectionoftrainingsampleareanalyze