用神经网络进行结构损伤识别的关键问题的研究.pdf

浙江人学博十学何i仑文 用神经网络进行结构损伤识别的关键问题研究 用神经网络进行结构损伤识别的关键问题研究 摘 要 本文在大量文献综述基础上，对用神经网络进行结构损伤识别中的几个关 键问题，采用理论分析、数值模拟、实验数据分析等方法，进行了系统地研究。 本文首先就结构损伤识别神经网络的选型和构造问题进行了讨论，并认为， 三层的BP网络(具有一个隐层)完全能够胜任结构损伤识别问题。 本文提出了一种由固有频率和第一阶模态少数点分量合成的组合参数，作 为结构损伤识别神经网络的输入向量，可以克服单采用频率或完整模态作为输 入参数时的缺陷，其优越性、实用性通过数值模拟分析得到了验证。 本文在理论上证明了，采用损伤前后结构动力特性变化经一定方式预处理 后作为神经网络的输入向量，神经网络训练中的模型误差对损伤识别的影响很 小，可以忽略不计；并基于本文的组合参数，通过数值模拟分析加以验证。此 项工作对在神经网络进行结构损伤识别时，如何构造神经网络的输入向量，以 减小或避免模型误差的影响，进行了新的实践。 。 本文通过确定性数值分析、概率模拟分析，揭示了测量误差对用神经网络 进行结构损伤识别的影响规律、以及模型误差和测量误差的综合影响规律。f并 ＼ 得到了，相对与模型误差，测量误差的影响要大的多：测量误差的影响是相对 的，与损伤程度有关；测量误差存在一个临界水平，当测量误差低于它时，神 经网络的识别效果比较好，当测量误差超过它时，神经网络的识别效果变的很 差。这些工作对实际应用时如何选用振 本文最后利用一个两层钢框架和 分析 进行了验证。 关键词：神经网菇结构赫溉模颤差，测颤差，藤，模态妊 L+ 输入参数 浙江人学博十学佗论义 用神经网络进行结构损伤识别的关键问题研究 issuesabout Key structuralidentificationANN damage using Abstract Basedontheliterature issuesaboutstructural identification review,some key damage artificialneuralnetworksarestudied theoretical simulation using through analysis，numerical and inthisdissertation． verification experimental ’Fhe andarchitectureofneuralnetworksuitedinstructural identification type damage arefirstdiscussedinthedissertation．Itisobtainedthatthe BPnetworkis three—layer capable tomeetthe ofthestructuralidentification． requirement damage