116基于神经网络的结构动力模型修改和破损诊断研究.pdfVIP

第 10 卷第 1 期 V o l. 10 N o. 1 1997 年 3 月 　　　　　　　Jou rn a l o f V ib rat ion En g in eer in g　　　　　　　　 M ar. 1997 基于神经网络的结构动力模型修改和 破损诊断研究 徐宜桂　史铁林　杨叔子 (华中理工大学机械学院　武汉, 430074) 摘要　提出了一种基于神经网络的结构动力模型修改和破损诊断方法, 讨论并解决了该法实施 中的若干技术问题, 如神经网络的拓扑结构和快速算法, 结构模态特性的量化比较, 结构破损特 征信息的提取和处理, 计算结果精度的提高等等。数值算例表明: 该法对于结构动力模型的修改 以及结构破损部位和程度的诊断非常方便和有效。 关键词: 神经网络; 结构动力分析; 模型修改; 结构诊断 中图分类号: TH 113 引　言 目前用于动力模型修改的典型方法, 有矩阵摄动法, 误差矩阵范数极小化法以及元素修 [ 1 ] 正法等等, 这些方法在使用中均存在一些不足之处 。为此, 本文提出了一种基于神经网络 的结构动力模型修改方法, 其基本思想是通过神经网络建立结构物理、几何、边界条件等建 模参数与结构模态参数之间的非线性映射关系, 然后通过实测的结构模态参数, 依据这种非 线性映射关系, 得到结构与之相应的物理、几何及边界条件, 完成结构动力模型修改。由于该 法直接修改建模参数, 因而不仅可以避免传统方法中出现的一些问题, 而且计算过程简单。 在动力模型修改的基础上, 进行结构破损诊断是国内外研究的又一热点和难题。不少学 者如 ( 1985) , ( 1985) , . ( 1989) , . ( 1990) 等都在此方面做了大量 Y ao Step h ea s W o ff T Stubb s N 工作, 理论和实验研究成果在历届 IM A C 会议上均有报道。但由于现有方法一般采用频率 或振型作为表征结构损坏部位和大小的敏感参数, 因而应用起来不太有效。为此, 本文提出 了一种基于神经网络的结构破损诊断方法, 并应用结构第一阶振型曲率作为表征损伤部位 ( 和大小的敏感参数。具体做法是: 先应用神经网络建立破损结构第一阶振型曲率差值 相对 ) 无破损结构 与结构破损部位和大小的非线性映射关系, 再将测试到的结构第一阶振型曲率 送入诊断神经网络, 经网络映射即可得到该结构的破损部位和大小。 1　非线性映射用神经网络结构及其快速算法 ( ) B P 神经网络 图 1 由于具有较强的非线性映射能力而被广泛用于结构分析中, 根据经 验和算例[4, 5 ] , 网络一般取 2 个隐含层, 而隐含节点数则凭经验并结合现场试验确定。 收稿 日期: 19960 125; 修改稿收到日期: 第 1 期　　　　　　　　徐宜桂等: 基于神经网络的结构动力模型修改和破损诊断研究　 9 为了避免B P 网络传统学习算法引起的网 络麻痹或振荡问题, 当系统误差E 采用平方和 形式时, 将网络输出层误差[ 6 ] k ( ) ( k k ) ( ) = F ′s T - y 1 j j j 重新定义为 k ( ( ) ) ( k k ) (