基于曲率模态及神经网络的简支梁微小损伤识别

基于曲率模态及神经网络的简支梁微小损伤识别

龚垚

龚垚

重庆交通大学，土木建筑学院重庆400074

摘要：大量研究证明，曲率模态能够识别出结构的损伤位置，但没有学者在结构损伤微小的情况下用曲率模态进行损伤识别。为识别结构在微小损伤情况下的损伤位置，本文综合考虑曲率模态参数特性，将曲率模态差与神经网络算法相结合，通过神经网络模糊算法识别出简支梁的损伤位置。

关键词：曲率模态；神经网络；桥梁；微小损伤；损伤识别

1.引言

传统的损伤识别方法，如频率变化率，模态应变能，模型修正等方法均取得了不错的识别效果，但在对于局部微小损伤的情况下，所得的损伤参数信息并不敏感，容易被其他信息所覆盖，为了在有其他信息干扰的情况下识别出结构的损伤位置，人工神经网络算法的出现解决了一系列模糊干扰问题，已经在结构损伤识别领域取得了一定的成果，但并没有定量的对微小损伤位置进行损伤识别，本文先用曲率模态去简支梁进行微小损伤识别，指出曲率模态对微小损伤及局部损伤的局限性，再结合神经网络方法对简支梁损伤位置进行模糊识别。

2.仿真实验

本节采用单元建模的方法进行有限元建模，即直接由ansys单元生成有限元模型然后进行计算，简支梁模型采用单元beam188进行有限元建模，管道约束为两端铰接。为了计算精度更加精确，将模型轴向分为16个单元，每个单元由200个子单元组成，有限元模型及损伤位置如图1.1所示：

图1.21/4处损伤工况1-10曲率模态差

可以看出，当损伤程度小于一定程度时，曲率模态差这一参数将无法识别出损伤位置，对此笔者引入BP神经网络进行模糊损伤位置识别，采用两层前馈网络，隐层转移函数为S型函数，示意如下图1.3所示：

图1.4神经网络损伤识别

其中纵坐标代表预测输出类型，横坐标代表实际类型，对角线元素为预测类型与实际类型相同即正确预测输出，坐标对应如下：

1——1/2处损伤

2——1/4处损伤

3——3/4处损伤

在微小损伤情况下1/2、1/4处损伤全部准确识别，3/4处损伤出现2个识别错误的情况，究其原因，曲率模态差原始数据出现了较大的偏差，导致识别出现偏差，出现偏差的曲率模态数据如下如1.5所示：

图1.53/4处损伤识别偏差数据

3.结论

基于曲率模态差与神经网络结合的损伤识别方法，适合结构的微小损伤定位，以简支梁的试验研究验证了该方法的可行性，得出以下结论：

（1）曲率模态差参数在结构损伤过于微小的情况下将不再具有准确的损伤位置判断能力；

（2）曲率模态差与神经网络相结合的损伤位置识别方法能够识别微小损伤的损伤位置识别，具有较高的正确率。

参考文献（references）：

[1]韩西.基于高斯曲率模态差的T梁结构二维损伤识别研究.重庆.重庆交通大学学报（自然科学版）.Vol.31No.4Aug2012。

[2]李兆，唐雪松.基于曲率模态和神经网络的分步损伤识别法及其在桥梁结构中的应用.湖南.长沙理工大学学报（自然科学版）.Vol.5No.2Jun.2008。

[3]焦峪波.不确定条件下桥梁结构损伤识别及状态评估的模糊计算方法研究.吉林大学.博士学位论文，2012。

[4]王岗岭，樊建文.传感器应用中噪声的产生及其抑制方法[J]，仪表技术与传感器，2007，7：62-63.

[5]DoeblingSWDamagedetectionandhealthmonitoringofstructuralandmechanicalsystemsfromchangesintheirvibrationcharacteristics：aliteraturereview[R].LosAlamousNationalLaboratoryReport.1996.

[6]杨则英，黄承违，曲建波.基于自适应神经一模糊推理系统和遗传算法的桥梁耐久性评估，土木工程学报，2006，39（2）：16-20.

[7]杨雅勋.基于动力测试的桥梁结构损伤识别与综合评估理论研究[D]，西安：长安大学，博士学位论文，2008.