基于神经网络重力坝损伤识别输入参数的研究
详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文
摘要
在神经网络识别结构损伤的过程中选取容易得到、识别精度高、损伤敏感性高的参数,损伤识别精度将大大提高。为克服使用单一结构特征物理量作为神经网络输入参数而带来的缺陷,文章以武都水库非溢流坝段为例,利用径向基函数神经网络对重力坝损伤的识别展开研究,提出将结构固有频率和固定点模态分量组合作为输入参数,对比选用不同输入参数的损伤输出信息。结果表明,使用组合参数作为输入参数对重力坝进行损伤位置识别、损伤程度预测是实用可行的。
引文
[1]朱宏平.结构损伤检测的智能方法[M].人民交通出版社,2009.
    [2]Wu X,Ghaboussi J,Garrett Jr J H.Use of neural networks in detection of structural damage[J].Computers&Structures,1992,42(4):649-659.
    [3]Cawley P,Adams R D.The location of defects in structures from measurements of natural frequencies[J].Journal of Strain Analysis,1979;14:49-57.
    [4]范进胜,杜守军.利用神经网络进行框架结构损伤识别的研究[C]//第14届全国结构工程学术会议论文集(第三册),2005.
    [5]瞿伟廉,陈伟.多层及高层框架结构地震损伤诊断的神经网络方法[J].地震工程与工程振动,2002,22(1):43-48.
    [6]鞠彦忠,阎贵平,陈建斌,等.用小波神经网络检测结构损伤[J].工程力学,2003,20(6):176-181.
    [7]万小朋,李小聪,鲍凯,等.利用振型变化进行结构损伤诊断的研究[J].航空学报,2003,24(5):422-426.
    [8]张刚刚,王春生,徐岳.基于径向基函数神经网络的斜拉桥损伤识别[J].长安大学学报:自然科学版,2006,26(1):49-53.
    [9]韩西,张伟,钟厉.基于神经网络技术的结构损伤检测[J].中南公路工程,2007,31(5):15-18.

版权所有:© 2023 中国地质图书馆 中国地质调查局地学文献中心