基于神经网络的建筑结构节点损伤识别方法.pdf

《基于神经网络的建筑结构节点损伤识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第43卷第3期大连理工大学学报VOl.439NO.32003年5月JOurnalOfDalianUniversityOfTechnOlOgyMay2003=================================================================文章编号:1000-8608(2003)03-0270-04基于神经网络的建筑结构节点损伤识别方法李守巨9刘迎曦%9吴玉良9何翔9周园T(大连理工大学工业装备结构分析国家重点实验室9辽宁大连116024)摘要:将建筑结构节点损伤识别反问题归结为优化问题9然后用LM人工神经网

2、络来求解.对建筑结构中某些点的垂直位移进行静态测量9用以确定建筑结构中受损伤节点的位置.同经典的优化方法相比9人工神经网络具有全局收敛性.利用神经网络对受损建筑结构节点的位置进行识别是一种可行的方法.数值模拟结果表明9采用Levenberg-Marguardt法训练的神经网络进行结构损伤识别具有较快的收敛速度和较高的识别精度9并且具有良好的鲁棒性.关键词:人工神经网络;结构损伤识别;反问题;测量噪声中图分类号:0327;TB123文献标识码:A0引言作为一种非线性动力学系统9神经网络具有自学习~自适应识别~非线性动力学过程和联想记忆等钢结构和钢筋混凝土

3、结构是建筑结构中常见重要特性.神经网络具有从历史资料中学习9以的形式9在地震荷载作用下9某些柱和梁的连接处产生新知识并进行概括的能力9因此9已被成功地往往会产生不同程度的损伤甚至出现塑性铰9乃应用于工业领域[5~7].本文采用Levenberg-至破坏.但是9由于某些大型公用建筑结构的节Marguardt优化神经网络9根据结构受损后静态点往往被建筑装饰和其他附属设施所遮盖9人工位移观测数据研究建筑结构损伤识别问题.很难察觉到.如果不能及时发现受损节点9可能会造成十分惨重的事故9带来严重的经济损失和1用于结构损伤识别的神经网络模型不良的社会影响.因此9有

4、必要建立一种数值方人工神经网络是由大量单一单元9即人工神法9识别钢结构或钢筋混凝土结构在地震或暴风经元组成的具有生物灵性的计算模型9神经元之荷载作用下节点的损伤状态9这一结果将直接为间通过连接系数(权值)相连而形成一个完整结建筑结构震后的安全评定与修复加固提供理论依构.神经元具有信息处理能力9因此也被称为处据.结构损伤识别是结构工程中的一类反问题9理单元.每个神经元都有加权输入~传递函数及结构损伤的检测和识别是在结构生命期内对结构输出9从这个意义上讲9处理单元主要在输入和输体系进行监测和维护工作的一个重要组成部分.出之间起着平衡作用.因其连接权值体现了

5、整个许多研究者都曾提出通过监测结构动力响应的变系统的记忆9所以神经元模型也被称为连接模型.化来检测结构损伤的方法:例如9juneja和Salawu本文所提出的用于损伤识别的神经网络是一分别提出利用结构的固有频率和振型来确定受损3层LM神经网络9该网络将采用Levenberg-的位置和损伤程度[1~2];Ratcliffe等分别根据结Marguardt算法进行训练.该网络的输入是受损构中的应变状态和结构柔度的变化来对结构进行结构的位移9网络的输出是受损建筑结构的节点损伤检测[3].由于静态位移测量是一种十分成熟损伤指标.网络的输入乘以调整后的连接权值求和

6、精确的现场观测方法9根据静态位移观测数据和后通过传递函数的作用产生输出9最普遍使用进行结构损伤识别是另一种十分有效的途径[4].收稿日期:2002-04-10;修回日期:2002-09-11.基金项目:国家自然科学基金资助项目(10072014);高等学校博士学科点专项科研基金资助项目(2000014107).作者简介:李守巨(1960-)9男9副教授9博士生;刘迎曦%(1944-)9男9教授9博士生导师.第3期李守巨等:基于神经网络的建筑结构节点损伤识别方法271的传递函数是如下的sigmoid函数:可采用以下公式进行计算:t+1tf()=1/[1+

7、eXp(-)](1)X=X+AX(8)一般而言,输出向量由输出层每个神经元的X=(XT1X2XT)(9)kp组成,期望的输出向量则由Okp组成,两者之间式中:X为由权矩阵w和G所组成的向量,上标t表存在着误差.第p组训练样本的网络误差计算公示迭代次数,T是输入层和隐含层之间及隐含层式为和输出层之间的连接权值个数的总和.权值调整L1向量AX由雅可比阵J及其转置阵JT2~常数/~单Ep=(kp-Okp)(2)2k=1位阵1和误差向量计算:式中:和O分别为神经元k的实际输出和期望kpkpTTAX=(JJ+/1)J(10)输出.当采用N组输入和输出的训练样本对

8、网络方程(8)和(10)为权值迭代调整的计算公进行训练时,网络的总误差可计算为式,重复此过程直