结构损伤识别的耦合神经网络方法

目的 基于误差传播算法的BPNN和基于自适应共振理论的ART神经网络，提出一种耦合神经网络的三级识别模型，以实现对结构损伤的自主识别，方法 采用分步识别的思想，利用ART神经网络首先识别出有损伤的层，然后用遗传算法搜索最佳的BP神经网络结构来分别识别结构损伤的具体位置和损伤程度．结果 通过对结构健康监测基准问题的计算表明。提出的耦合神经网络的识别模型能够自主识别结构损伤的发生，正确识别结构损伤的具体位置和损伤程度．结论 基于误差传播算法的BPNN和基于自适应共振理论的ART神经网络组成的耦合神经网络识别模型具有自主识别结构损伤发生的能力。且识别速度快，能够正确识别结构损伤发生的具体位置和损伤程度．适宜于在线监测。     

基于BP网络的结构损伤识别

结构的动力特性和结构参数直接相关，结构的损伤将引起相应动力特性的改变，因此，如果能建立结构动力特性变化与结构损伤之间的映射关系．则可以利用结构振动测试信息实现结构损伤诊断。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点，正越来越多的用于基于振动的结构损伤识别。但是对于大型复杂结构，普遍存在网络结构复杂。识别效率低下的问题。以框架结构为例．应用BP网络分阶段的进行损伤位置、损伤程度的识别，这有效降低了网络的复杂性，减少了学习样本。提高了学习效率。     

用神经网络方法识别结构损伤的研究

首先提供了结构损伤前后固有频率的变化包含了损伤位置的程度信息，研究了利用动态响应和神经网络技术进行结构参数识别的方法，并确定了结构损伤的位置与程度，建立了一个BP网络结构损识别模型，计算结果表明，该BP网络能准确实现结构损伤判别与定位，说明该方法有效，可靠。     

结构损伤智能识别方法

应用神经网络、遗传算法建立了交互式结构损伤智能识别系统。详细阐述了软件设计的思想及其实现，并对预测结果与实测数据进行了比较。结果表明，将神经网络和遗传算法用于结构损伤识别是有效的、可行的。     

小波函数的选择对结构损伤识别的影响

目的 为了寻找出结构损伤识别中的最优小波函数，进而提高结构损伤的识别精度．方法 选取了几种常用的小波函数，运用小波分析提取能量特征，采用小波概率神经网络方法，对四层钢框架进行了损伤识别及小波函数对损伤识别影响的对比研究．结果 经过比较，发现采用函数曲线圆滑的Mexicancat小波函数识别精度可达100％，识别效果最好．结论 在结构损伤识别领域，选用非正交、正则性好、消失矩阶数大的小波函数具有一定的优势．     

基于动力响应信息分区截断的塔式结构多损伤识别方法

针对环境激励下的塔式结构动力响应信息,采用小波变换实现结构损伤位置识别.受塔式结构多损伤影响,各损伤位置对应的小波细节信息的吉布斯振荡将会相互干扰.为消除获得信息之间的耦合影响,实现多损伤位置的识别.本文通过对损伤位置处结构动力响应信息的截断,将结构中各损伤置于不同信息区间,并将截断后的动力响应信息区间进行有效延拓,消除初始动力响应信息区间边界处吉布斯现象的影响,从而实现了结构多处损伤的识别.算例的分析结果表明:这种方法对于塔式结构多处损伤识别具有有效性和可靠性.     

多尺度结构动力方程及其在损伤识别中的应用

以一个三层框架结构为研究对象，分析了结构发生损伤时其动力参数的变化特征.应用小波变换，推导了多尺度结构动力方程来分析结构动力系统中的损伤识别.面向结构损伤识别，描述了多尺度动力方程能获得更丰富的结构参数变化信息.根据时变动力系统的结构损伤识别数值计算的特点，应用状态空间法来对结构损伤动力过程进行数值模拟.通过不同激励荷载下的损伤数值模拟和损伤时域识别，研究了多尺度损伤识别的两个关键性问题：不同位置的传感器对损伤预警的敏感性；系统输入荷载频率成分对损伤信息分布的影响.所进行的研究对于在基于小波分析的结构健康监测中合理选择传感器位置、采样频率及确定信号分解的尺度数具有理论指导意义.     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

结构损伤动力识别技术的研究与进展

通过对结构损伤的动力识别技术近二十年来国内外研究成果的总结,阐述了结构损伤动力识别研究的发展历程。首先介绍了结构损伤动力识别技术的基本原理,然后从三个方面,即结构损伤的动力识别机理、结构损伤的动力识别参数和结构损伤的识别算法,分别探讨了结构损伤动力识别技术的发展现状和面临的问题,最后对结构损伤动力识别的未来研究趋势进行了展望。     

无砟轨道结构层间损伤识别技术研究进展

无砟轨道在长期服役过程中受到列车荷载和复杂环境的耦合作用，会发生材料性能衰退、结构损伤累积，导致其服役性能逐渐劣化.综合论述中国板式和双块式无砟轨道常见层间损伤的表现形式和产生的原因；总结探地雷达法、冲击回波法及其他局部损伤识别方法在无砟轨道损伤识别中的应用情况，提出结合多种局部损伤识别技术是实现轨道局部损伤精准识别的关键；归纳基于模态参数、无砟道床振动信号及车辆振动信号的整体损伤识别技术，指出须扩充现场损伤检测样本以提高识别方法的泛化能力；详细分析各类识别方法的优势和局限性，为完善中国无砟轨道结构损伤识别技术体系和制定科学合理的维修策略提供指导．     

神经网络在框架结构损伤诊断中的应用研究

应用人工神经网络技术,采用分步诊断的方法,提出了反映结构损伤位置和程度的健康诊断方法。文中通过模态分析得到基于固有频率和位移模态的网络输入特征参数,分别利用概率神经网络和BP网络对结构损伤的位置和程度进行识别,结果显示该分步诊断的方法能够对结构的损伤正确识别。     

一种基于经验模分解的结构微小损伤检测方法

提出了一种检测结构微小损伤的时域方法。首先采用经验模分解技术分解结构发生微小损伤前后在相同激励下的时域响应信号，得到响应信号的各阶固有模式函数，然后用波形指数来对结构响应信号的各阶固有模式函数进行量化。根据结构损伤前后时域响应固有模式函数的波形指数对比，就可容易地对结构发生的微小损伤进行判断。通过仿真算例发现，结构原始响应信号经过经验模分解后得到的固有模式函数对微小损伤敏感度较好，这种对微损伤的敏感特性可采用各阶固有模式函数的波形指数进行量化。因此该方法是一种时域内检测结构微小损伤的有效方法。     

基于神经网络的纳米光子结构逆设计

同扫描参数优化的方法相比,神经网络模型可以在设计误差很小的情况下大大提高结构逆设计的效率。在模拟器与发生器串联的复合模型基础上,提出了2种有效的神经网络复合模型:基于生成对抗思想引入评价模块的复合模型和基于多任务学习增加模拟器模块的复合模型。在传输矩阵法模拟的数据集上进行有效训练后,将2个模型应用于多层薄膜吸收光谱的逆设计,并用具有特殊形状的目标光谱验证了2个模型的逆设计结果。最后,利用多任务串联网络模型设计了多层太阳能吸收器结构参数,在300~1500nm范围内,平均吸收率可达96%。     

结构损伤存在检测的两种神经网络的比较研究

目前采用的新奇检测方法——自联想记忆神经网络方法,当所用的测试数据具有不同噪声水平或为非正态分布时,会得出错误的结果．为此,提出了一种新的方法——统计神经网络方法,用于结构的损伤存在检测,并用“可能性”来描述结构损伤的存在．通过一个两层框架的数值模拟和一个简支梁的实验数据进行对比性研究表明,统计神经网络可以用来检测结构的损伤存在,具有比自联想记忆神经网络更好的检测效果．     

基于柔度法的结构损伤识别

对自由度较多的悬臂型结构或剪切型结构,由于高阶模态难以得到。鉴于此,研究了利用测量稳态柔度矩阵来识别结构损伤的理论方法。对于悬臂结构,其柔度与其结构参数间的线性关系,直接建立模态与结构损伤参数之间的关系,通过解矩阵方程识别损伤参数。此方法所需已知条件少,仅需最多三阶模态。应用这种方法便显得很方便。并以悬臂结构的损伤仿真试验,验证这一方法的有效性。     

基于多尺度特征与注意力机制的轴承寿命预测

针对以往剩余使用寿命（RUL）预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度差异,影响预测准确性的问题,提出基于多尺度特征与注意力机制的轴承RUL预测方法. 在多个尺度下计算轴承原始振动信号的若干时域和频域特征,作为输入特征集. 将多尺度特征集输入到网络中,以注意力模块为不同特征自适应地分配最佳权重,以卷积神经网络（CNN）模块进行深层特征提取与多尺度特征融合,通过前馈神经网络（FNN）模块映射得到RUL预测值. 通过公开的轴承数据集进行实验验证,与其他RUL预测方法相比,所提方法的预测性能更优越.     

一种两阶段结构损伤识别方法研究

采用曲率模态结合模态应变能对结构的损伤位置和损伤程度进行了识别研究。首先采用改进的曲率模态识别出结构损伤的大体位置,然后采用模态应变能方法对损伤位置的单元进行损伤程度识别。在损伤程度识别时考虑了功能强大的BP神经网络方法。最后,为了验证该方法的有效性,采用了一数值模拟案例进行分析。数值模拟结果表明:曲率模态能够有效地识别出结构的损伤位置,模态应变能能够有效地识别出单元的损伤程度。     

基于双参数的结构损伤两阶段检测方法研究

研究两阶段结构损伤检测方法，建立结构有限元模型，计算曲率模态指标，并根据该指标进行损伤定位。然后计算可能损伤分段每个单元的模态矩参数，估计出损伤分段的损伤程度。对以上2个损伤识别参数进行参数分析．将分析结论用于典型损伤工况的识别并取得成功。文中方法可以确定结构损伤位置，同时针对具体损伤位置给出大致的损伤系数估计值。     

Effects of foundation damage and water-level change on vibration modal parameters of gravity-type caisson structure

In this paper,the effects of foundation damage and water-level change on vibration characteristics of gravity-type caisson structure are examined by analyzing modal parameters extracted from output-only information.To achieve the objective,the following approaches are implemented.Firstly,vibration response analysis methods are selected to estimate power spectral density and modal parameters such as natural frequency,damping ratio and mode shape of a lab-scale caisson structural system.Secondly,vibration tests on the lab-scale caisson system are performed under a series of test scenarios which include three water-level changes and three damage levels.Thirdly,experimental modal parameters corresponding to the damaging cases as well as the water level cases are extracted by frequency domain decomposition method and stochastic subspace identification method.Finally,the effects of the water-level variation and foundation damage on the extracted modal parameters are examined to assess the feasibility of the vibration-based damage detection in gravity-type caisson structures under water-level uncertainty.     

带有未知反应参数的一种发酵过程非线性自适应控制

将非线性系统的线性化方法与神经网络在线辨识技术相结合,提出了一种基于神经网络的非线性自适应控制策略.提出的控制策略,对带有未知反应参数的连续发酵过程,取得了良好的控制性能.仿真实验表明,提出的自适应控制方法能够适应过程模型的不确定性,具有较强的鲁棒性.