基于改进神经网络的建筑结构损伤识别方法研究

《基于改进神经网络的建筑结构损伤识别方法研究》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、第25卷第3期华中科技大学学报(城市科学版)Vo1．25NO．32008年9月J．ofHUST．(UrbanScienceEdition)Sep．2008基于改进神经网络的建筑结构损伤识别方法研究李守巨，张军2刘迎曦，亢晨钢(1．大连理工大学工业装备结构分析国家重点实验室，辽宁大连1160242．辽宁蒲石河抽水蓄能有限公司，辽宁丹东118000)摘要：采用ANSYS有限元分析软件建立神经网络的训练样本，将结构的固有频率作为网络输入，结构损伤的位置和损伤程度作为网络输出，提出了基于神经网络的建筑结构损伤识别方法。讨论了神经网络训练方法和隐含层

2、节点数目对目标函数的影响，分析了网络训练的训练不足和训练过度等问题。以简单的建筑结构为例，基于MATLAB的GUI工具进行了BP神经网络的设计和分析。数值反演结果表明，所改进的建筑结构损伤识别方法具有良好的反演精度和较快的收敛速度。关键词：损伤识别；神经网络；建筑结构；优化算法中图分类号：TU375．1；TU311．3文献标识码：A文章编号：1672—7037(2008)03．0095—04结构的损伤识别(包括损伤位置和损伤范围)从本质上讲，这是一类由大量的基本信息处理单是工程结构领域中的一项重要研究课题之一，对元通过广泛连接而构成的动态信

3、息处理系统。神于保证工程结构的安全合理使用具有重要意义。经网络主要是用于体现学习和信息处理的计算模近年来，国内外相关领域的学者建立了许多基于型，自学习是它的一个重要的功能特征，它可以结构动力模态和静态位移的结构参数识别方法。通过例子也可以通过和周围环境的相互作用来学陈隽(2007)利用一个三层剪切型结构模型在各习，能从大量数据中学到复杂的非线性关系。王种激励下的振动台试验，研究经验模分解和小波婷(2007)以一维有缺陷混凝土板为研究对象，分析在结构损伤识别中的应用，利用EMD和WA分别采用L—M和径向基神经网络算法，对缺陷的分析试验记录到的

4、结构加速度信号来识别结构损深度与厚度进行识别，从而实现对混凝土板内部伤发生的时刻和位置【jj。Maria(2008)采用神经网缺陷的三维重构，称为红外CT模拟。两类神经网络方法研究了钢框架结构损伤识别问题，其神经络算法的识别结果表明，L—M神经网络较径向基网络的输入是结构的频率和振型，神经网络的输神经网络具有更好的收敛精度与计算效率【4】。Lee出是结构的质量和刚度。一个简化的有限元模型(2005)研究了基于神经网络和有限元模拟方法用来产生神经网络训练所需要的数据，最后讨论的桥梁结构损伤识别问题，通过简支梁和多跨桥了观测误差对损伤识别结果统

5、计特性的影响J。梁的两个算例验证了方法的有效性L5J。袁勇(2003)运用系统识别原理，结合混凝土材Efstathiades(2007)研究了高大建筑结构的健康监料的微观孔结构模型建立了材料微孔结构识别理测问题，为了提高神经网络的泛化能力，采用了论。最后用系统识别的结果来预测自密实混凝土正则化方法对数据进行处理分析，同时研究了传的早期变形，预测结果证明了识别结果的合理性感器的数量和优化布置问题I6】。Zubaydi(2002)研和所采用模型的适应性IjJ。究了船舶结构的损伤识别问题，神经网络的输入人工神经网络是在现代神经科学研究成果的是结构

6、的振动响应，神经网络的输出是一个函数，基础上，根据人脑的基本功能，试图模仿生物神该函数用来识别损伤的位置和程度J。经系统的功能或结构而发展起来的一种新型信息本文将收敛速度快的局部优化搜索方法与具处理系统或计算体系。它不是生物真实神经系统有全局搜索能力的人工神经网络方法相结合，克的拷贝，而仅是其数学抽象及粗略的逼近和模仿。服了现有参数识别方法收敛速度慢或陷入局部极收稿日期：2008—03—05作者简介：李守巨(1960一)，男，辽宁辽中人，副教授，博士，研究方向为岩土力学和反问题，lishouju@dlut．edu．ca。基金项目：国家重点基

7、础研究发展计划(973计划)项目(2007CB714oo6)。·96·华中科技大学学报(城市科学版)2008年小的缺陷，这对于反问题的研究具有理论研究意迭代公式如下】义和实际应用价值。w(k+1)=，(足)一A一J(尼)(七)(3)1用于损伤识别的BP神经网络A=[(k)J(k)+lt1](4)人工神经网络的智能化特征与能力使其应用式中，，为雅可比矩阵，，为单位矩阵，为阻尼领域曰益扩大，潜力日趋明显。许多用传统信息系数。神经网络的学习过程中常常会出现“欠学处理方法无法解决的问题采用人工神经网络后取习”和“过度学习”两种情况：前者是指神经网得

8、了良好的效果。人工神经网络是由人工神经元络对样本的学习次数太少，未能发现隐藏在样本(简称神经元)互联组成的网络，它是从微观结背后的规律，导致映射能力不足；后者则是指学构和功能上对