基于神经网络的结构损伤识别技术殷亮（武汉理工大学交通学院06级.DOC

基于神经网络的结构损伤识别技术 殷 亮 （武汉理工大学交通学院06级结构工程，湖北 武汉 430063） 摘要：对比了目前现有的结构损伤识别技术，归纳出应用神经网络方法的优越性。根据观测的结构频率，建立了基于人工神经网络的结构损伤识别方法。把结构固有频率的变化率作为BP神经网络的输入参数，对混凝土结构模型进行了损伤数值模拟计算。为了提高神经网络的泛化推广能力和收敛速度，将BFGS, LM优化方法应用到神经网络的训练过程中。数值计算结果表明，所建立的结构损伤识别方法取得了良好的识别效果。 关键词：损伤识别;神经网络;结构频率;BFGS;LM 前言 工程结构在使用过程中，由于环境、荷载等因素的作用，可能对结构产生各种损伤，从而使其无法满足使用功能的要求，导致结构整体破坏，甚至造成人员伤亡和财产损失。因此，在工程结构的使用过程中，尤其是当结构遭受较大的外来偶然荷载作用时，实现对结构工作状况的评估，诊断结构构件损伤的位置,并进行损伤程度的判定，对于保证工程结构的安全，防止工程灾害的发生是十分必要和有意义的。 目前结构损伤识别的方法包括以下六种：传统方法——实验法（如声学或超声波法、磁场法、射线照相术涡流法、以及热场法等）；基于固有频率变化的损伤识别方法；基于固有振型变化的损伤识别指标；灵敏度修正法；小波变化法；神经网络诊断方法[1]。 随着计算机的高速发展，国内外许多学者已经成功的采用神经网络对结构损伤进行了识别。如Kaminsk等研究人员用固有频率变化作为神经网络的输入来近似识别结构损伤的位置；蔡中晖等研究人员既考虑结构频率变化又考虑了模态组分的组合模态损伤指标，并将其作为神经网络的输入进行损伤定位和损伤程度的预报； Messina和Willanms等研究人员通过结构频率变化来确定结构损伤位置，并进而提出了损伤位置确定准则(DLAC)[2]等。本文将结构频率的变化率作为输入参数对工程结构进行网络训练，并对该网络采用了BFGS,LM优化方法从而提高了对结构的位置与程度的损伤识别精度。 1．结构损伤识别问题的提出 工程结构损伤的检测，是工程界历来关心的问题。如果对结构损伤不能作出正确的识别或者对损伤的严重程度不能做出恰当的估计，就有可能造成重大工程事故。1989年美国夏威夷，一架波音737由于结构元件破坏而发生了重大的飞行事故；1994年韩国汉城的一座桥梁因内部损伤而倒塌；1995年日本，2001年印度先后发生的大地震，使许多有缺陷的结构变为废墟，从而让人们对各种工程结构的安全监控和损伤识别越来越重视。 结构损伤诊断主要包括三个方面的内容：结构损伤的识别、结构损伤的定位、结构损伤程度的标定与评价。其中损伤识别是进行结构故障诊断的基础，损伤定位是结构故障诊断的核心，损伤程度的标定与评价通常是对工程结构进行故障诊断的目的所在，是进行结构完整性评定及实施维修决策的依据。 由于受到各种条件的限制，不同时期产生了各种不同的结构损伤识别方法。同时，不同的分析方法有着不同的精度和误差。 2. 结构损伤识别常用方法 2.1 传统方法 传统方法：实验法。如声学或超声波法、磁场法、射线照相术涡流法、以及热场法等。但这些方法都要求事先知道损伤区域，损伤探测部分易达到。因此在使用中有较大局限性。 2.2基于固有频率变化的损伤识别方法 任何结构系统都可以看作是刚度、质量、阻尼矩阵组成的力学系统，结构一旦出现损伤，结构参数随之发生改变，从而导致系统的频率响应函数和模态参数(固有频率和振型等）的改变。 由于结构固有频率是最容易和最能准确测量的动力参数，基于固有频率变化进行损伤识别有很多方法。此类方法的共同特点是:认为结构发生损伤时，只有结构的刚度降低，而忽略结构质量的变化，在结构损伤之前建立一个理论模型。所以结构模态参数的改变可以视为结构发生早期损伤的标志，成为用振动方法进行结构损伤诊断的切入点[3]。 2.3基于固有振型变化的损伤识别指标 相对结构固有频率而言，结构的固有振型包含了更多的损伤信息，特别是对结构损伤进行定位，利用结构固有振型要更加准确。因此，国内外众多研究者运用结构固有振型作为损伤指标量对结构的损伤问题进行了研究。该方法以损伤前后振型的差值作为损伤定位参数，当发生破损时，受到影响的自由度上的振型差值在损伤区域内就会出现比较大的值，可以利用振型差值识别损伤的位置[4]。 2.4灵敏度修正法 灵敏度修正法是分别将结构试验数据中得出的模态参数和结构有限元模型分析的模态参数看作物理参数的函数,用灵敏度矩阵进行一阶或二阶泰勒公式展开,对结果进行比较[5]。此种方法的精确度取决于灵敏度计算的有限元模型质量。但是获得精确的分析模型本身就是一个艰巨的工作,分析模型的不确定性或许会影响损伤诊断的结果。 2.5 小波变化法 当结构受到强烈外荷载作