|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2011年12期
| 標(biāo)題 |
| 基于模態(tài)參數(shù)和神經(jīng)網(wǎng)絡(luò)的橋梁損傷識(shí)別方法(51卷) |
| 英文標(biāo)題 |
| ridge damage identification method based on modal parameters and neural network |
| 摘要 |
| 由于人工神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的模式識(shí)別能力，近年來(lái)被廣泛用于結(jié)構(gòu)的損傷識(shí)別。神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)的選擇直接影響損傷識(shí)別的效果，利用結(jié)構(gòu)振動(dòng)模態(tài)分析理論,驗(yàn)證了結(jié)構(gòu)損傷前后的模態(tài)柔度差和模態(tài)振型差均有對(duì)基準(zhǔn)有限元建模誤差不敏感的特性，建立了以上述兩種指標(biāo)作為神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)進(jìn)行結(jié)構(gòu)損傷程度識(shí)別的方法，從而避免因基準(zhǔn)有限元模型誤差對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)的影響，提高識(shí)別準(zhǔn)確性。32 m簡(jiǎn)支箱梁的數(shù)值模擬結(jié)果表明，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確地識(shí)別出結(jié)構(gòu)損傷程度，并且討論了測(cè)量誤差對(duì)識(shí)別結(jié)果的影響。 |
| 作者 |
| 新聞作者:劉闊譽(yù),姚京川 |
| 關(guān)鍵字 |
