一种基于神经网络结构损伤识别组合参数法的研究.pdfVIP

《丁程力学》增刊2003年 ·719· 一种基于神经网络结构损伤识别组合参数法研究 袁旭东，周晶 (大连理工大学水利土木学院，辽宁大莲116024) 摘要：为获得对连续结构损伤更加敏感并更好地应用于实际的损伤识别指标。在分析已有的识别指标基础上，选择基于 结构模卷参数的组合损伤识别指标作为神经网络输入参数，对结构的损伤位置、损伤程度进行了数值模拟研究。结 果表明，利用该指标能对结构的损伤进行较为精确的识别和预测。 关键词：结构损伤； 模态参数： 损伤识剐指标： 神经网络 1引言 利用结构的振动响应和系统动态特性参数进行结构损伤识别是目前国内外研究的热点和难题ilj。目前 有关研究大致分为两类，即基于模态模型的解析方法和基于神经网络技术的非线性映射法¨】。采用神经网 络进行振动法损伤识别，是近年来一个热门的研究课题；但是用什么参数作为神经网络的输入参数，却一 直没有一个满意的解答pl。神经网络输入参数的选择及表达形式会直接影响损伤识别的结果【4】。最早的研 究是将结构响应的离散功率谱作为神经网络的输入参数，但采用功率谱作为网络的输入信息有一定的局限 性。其不足之处在于不同载荷谱作用下的响应功率谱也是不同的，对于结构的某种损伤状态的识别要给出 大量的不同的训练样本，这对于获得网络训练样本及学习来说都是十分困难的。文献[2】作者对6种基于模 态试验参数的用于神经网络方法的结构损伤指标(结构位移模态振型、结构固有振动频率、结构位移频响函 数、结构曲率振型、结构应变频响函数)进行实例识别和比较研究。结果表明所采用的识别方法是有效的。 但组成输入参数样本的数据是基于模型所有单元节点上的结构完整的模态数据。而对于实际工程结构获得 所有单元节点上的实测模态数据是不现实的，多数情况下是获得少量不完整模态信息，因此，对于1：程结 构的损伤识别，由于摸态测试的不完整，使得仅用单一完整模态作为输入参数的神经网络变得不实际。本 文作者将结构前儿阶固有频率和少量点振型模态分量组合成损伤识别指标，作为神经网络的输入参数。对 一恳臂梁结构损伤位置及程度进行了识别研究，结果表明组合损伤识别指标作为神经网络的输入参数能够 准确识别出损伤位置，同时对损伤程度识别也取得了比较理想效果。 2结构损伤识别的神经网络选取 人：[神经网络有大量相互连接的简单神经处理单元组成，它可以不依赖于模型，只需通过对输入输出 数据的学习，即可将输入输出的映射关系以神经元间连接强度的方式存储下来，具有很强的非线性映射能 力。可以用于建立复杂的近似映射模型，适用于实现非线性模式识别与分类的功能。网络的学习过程虽然 是慢过程，网络的计算过程却是快过程，因此训练成型的神经网络可以用于实时进行结构修改和故障的识 别与分类中。而且理论上已经证明神经网络可以以任何平方误差的精度来近似任何的连续非线性函数，因 数训练神经网络，其采用动量法和学习率自适应调整两种策略，从而提高了学习速度并增加了算法的可靠 性。动量法降低了网络对f误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小：自适应调憨学习 率有利于缩短学习时间…J。 3损伤识别指标的确定 作者简介：袁旭东．男．(1968．)．博士研究生 周品．男．(1949-)，教授．博士生导师．从事生命线工程与结构损伤识另0研究 3．1损伤位置识别指标 结构任意两阶模态频率的变化之比，只与损伤位置有关，与损伤程度无关。Lam02]等提出的损伤指标 (DS)也是只决定损伤位置，而与损伤程度无关，损伤指标向量由下式计算， f傩，}：j型 (1) 、 ～ Ao：， {嬲)为对应于第f阶模态的损伤指标向量，{△仍}为第f阶振型模态变化向量，Aeo，为第r阶频率变化量。 为了克服单独使用频率或模态数据的缺陷，将固有频率和少数点的模态分量组合在一起作为损伤位置识 别柙经嘲络嗣稍入同量，即 奄n弘如=碴RNL．FⅫl∥，FRNm，DSNL．DsNl’．．．，DSN．、 (2)