高效神经网络训练及其在桁架损伤识别中的应用.pdfVIP

第25卷第4期 华中科技大学学报(城市科学版) V01．25No．4 2008年12月 J．ofHUST．(UIb卸ScienceEdition) Dec．2008 高效神经网络训练及其在桁架损伤识别中的应用 杜永峰，李慧 (兰州理工大学a．西部土木工程防灾减灾教育部工程研究中心；b．防震减灾研究所，甘肃兰州730050) 摘要：将应变模态相对变化率作为损伤指标，探索了与人工神经网络结合对桁架结构进行损伤识别的方法。 利用ANsYs的命令流语言APDL编写二次开发程序，实现结构不同损伤工况下的模态自动求解过程，并定 义APDL中多维数组参数，将不同损伤工况下计算得到的模态参数存储于外部设备。在人工神经网络训练阶 段，再借助于Ma廿ab软件的外部文件调用功能，将模态信息加以批量提取。数值仿真表明，本文的方法是 一种高效的人工神经网络训练模式，且仅用一阶应变模态改变率就可实现对桁架结构的损伤识别，便于在实 际工程中应用。 关键词：结构计算技术；计算力学；应变模态；损伤识别；桁架结构 文献标识码：A 中图分类号：Tu312+．3；TBl23 文章编号：1672．7037(2008)呻005l加3 通过一定的检测手段和识别方法跟踪、监测 其中：，彤=孵％，(啤q)，鸭，q以及体由试验 结构特性的变化趋势，识别早期损伤，防止突发 重大损伤事故，近年来引起较为广泛的重视Il，2】。 模态分析中得到。 本文利用应变模态作为桁架结构的损伤指标与人 当结构中出现损伤时，损伤位置附近产生较 工神经网络相结合，对桁架结构进行损伤识别。 显著的应力重分布，引起应变模态的较大变化， 利用ANSYS的命令流语言APDL编写二次开发 因此对比损伤前后各阶应变模态，可以判断损伤 程序，实现结构不同损伤工况下的模态自动求解 的位置【3J。鉴于桁架结构中的杆单元的受力主要 过程，并定义APDL中多维数组参数，将不同损 为轴向，杆件的拉伸或压缩变形为单元长度的改 伤工况下计算得到的模态参数存储于外部设备。 变，因此可通过节点位移计算出杆单元的长度变 在人工神经网络训练阶段，再借助于MaⅡab软件 化。本文进一步建立了以各损伤应变模态改变量 的外部文件调用功能，将模态信息加以提取，提 相对于健康应变模态的改变率指标，并提出以此 高网络训练效率。 为结构损伤的敏感参数进行桁架结构损伤识别的 方法。应变模态的相对改变率计算公式如下： 1应变模态及桁架损伤识别 ∥：丝：蛭 7 蜕 根据位移与应变之间的关系，每一阶位移模 其中，矿为应变模态改变率，蜕为损伤结构的 态振型都对应一阶应变分布状态，这种与位移模 态相对应的固有应变分布状态称为应变模态。当 应变模态，蜕为健康结构的应变模态。 位移已知仅考虑正应变时，应变模态的计算公式 可表示为： 人工神经网络具有很强的非线性映射能力， 可用于建立复杂的近似映射模型，适用于实现非 {旷)=l未{铲)专{秽)