基于计算机仿真技术结构损伤识别方法研究.docVIP

基于计算机仿真技术结构损伤识别方法研究 　　摘要： 通过计算机仿真技术，建立了损伤结构的模型，得到了包含结构损伤位置和损伤程度信息的固有频率变化规律，采用适当的方式构造改进型BP神经网络的输入参数，对结构做数值模拟试验，从而对悬臂板结构进行损伤识别。结果显示，本文采用的方法在工程结构损伤检测中有很好的应用价值。 　　Abstract： Through the computer simulation technology， establish a damage structure model， obtain the contains structure for damage location and damage degree of natural frequency information change rule， using the appropriate way structure improved BP neural networks input parameter， do numerical simulation test for the structure， and the cantilever plate structure damage identification results show that， this article uses the method in engineering structure damage detection， and has very good application value. 　　关键词： 计算机仿真技术；固有频率；结构损伤识别；BP神经网络 　　Key words： computer simulation technology；inherent frequency；structural damage identification；BP neural network 　　中图分类号：TP39 文献标识码：A 文章编号：1006—4311（2012）27—0204—02 　　0 引言 　　空间结构正随着科技的进步逐渐向着大型化、复杂化的方向发展，此结构由于种突发性因素使损伤积累，导致结构的突发性失效。计算机仿真技术的损伤识别是近几年来快速发展起来的一种人工智能方法，能够迅速的探测出结构是否损伤及损伤的位置，结构损伤程度和位置的准确探测可以帮助施工人员对结构进行及时的修复，进而降低结构的损伤积累程度。 　　1 计算机仿真技术建立损伤结构模型 　　神经网络系统是近年来计算机应用技术的重要分支，可以利用其优越的性能实现结构损伤的识别，本文主要是利用这种仿真技术进行结构损伤的识别。首先利用计算机仿真技术建立一个算例模型。 　　采用的悬臂板物理参数为：板长lm，宽度0.5m，密度为7.85×103kg/m3，弹性模量为2.02×105MPa，泊松比为0.3。图1为其实验模型图。模拟采用单元刚度的折减，并忽略由结构损伤所引起的结构质量的改变。对结构中的2、7、10、11单元所发生的损伤情况分别进行识别。 　　悬臂板在无损伤时的前三阶频率是：ω=8.3216Hz，ω=35.6910Hz，ω=51.7790Hz。（理论值为ω=8.5610Hz，ω=36.8210Hz，ω=53.2800Hz），模拟单元的损伤情况采用16个位置的刚度分别降低5%、10%、15%、20%、25%、30%、35%、40%。表1为刚度下降5%所得数据。同理，刚度下降其他百分比的数据也可得到。 　　2 计算机神经网络技术建立损伤识别模型 　　2.1 BP神经网络模型 BP神经网络是一种多层前向网络，传播途径为单向传播。其除了输入输出节点以外，同层的节点中没有任何的耦合，还含有一层或多层的隐节点。输入信号通过输入层节点依次经过各隐层节点最终传到输出节点，各层节点的输出只会对下一层节点的输出产生影响。此网络就像是一个从输入到输出的高度非线性映射，即：F：Rn→Rm 　　f（x）=Y （1） 　　针对样本的集合：输入xi（∈Rn）和输出yi（∈Rm），可当作存在某一映射g使： 　　g（xi）=yi （i=1，2，3，…，n） （2） 　　Kolmogorov定理证明，任何一个映射关系都可以用三层的网络表示。 　　运用前推选择算法，通过在隐含层中选择匹配节点，从而找到起主导作用的隐节点，改变此隐节点相连接的权值，计算实际的输出值，以加快运算速度，而新样本的输入也不影响已学习好的样本。动态的学习率下降理论（DSD）的基本思想是：经过T，T+1次训练的误差函数为E（T），E（T+1），定义误差率为A=[E（T）—E（T+1）]/E（T）。动态的学习率通过相邻两次训练的全局误差的变化率来修改。而下一个训练过程的学习率η则由下式