卷积神经网络在结构损伤诊断中的应用研究
发布时间：2020-12-23 11:06
土木工程结构在运营使用过程中,容易受到外部超限荷载、疲劳作用、腐蚀作用等多方面不确定因素的影响,可能致使结构在使用期限内出现严重的安全隐患,威胁到使用者的生命财产安全。因此,应采取必要措施对结构进行定时或实时的健康检测,但传统的桥梁健康诊断方法在长期实践中表现出一定的局限性。随着科技进步,基于深度学习算法的智能损伤诊断技术在大数据处理、联想推理、适应性学习、容错能力等方面具有较大的优越性。因此,本文拟采用卷积神经网络算法实现结构损伤的智能诊断。主要研究内容包括以下几点:(1)对土木结构健康诊断的必要性进行研究,并就现有结构损伤检测方法进行归纳和总结,对比深度学习算法在结构损伤检测领域的独特优势,凸显深度学习在智能损伤检测领域的优越性。(2)采用基于卷积神经网络的结构损伤检测方法,通过有限元仿真试验获取结构的原始振动时程信号作为网络的输入,对所采用的方法进行理论探索试验,并重点关注了作用在结构上的不同激励类型对识别准确率的影响。(3)设计试验结构进行实例分析,针对本文所采用的卷积神经网络损伤检测方法进行验证。(4)在(2)的基础上通过有限元软件,对装配式简支梁桥结构和组合式拱桥结构进行了...
【文章来源】：西华大学四川省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
港珠澳大桥Fig.1-2HongKong-Zhuhai-MacaoBridge
卷积神经网络在结构损伤诊断中的应用研究4图1-3结构损伤诊断发展史Fig.1-3Historyofstructuraldamagediagnosis1.2.2传统的检测手段目前的检测方法大致可分为局部检测法和整体检测法。任何结构都可以看作是由刚度、质量、阻尼等物理参数组成的力学系统，结构一旦出现损伤，结构参数也随之发生改变。因此，结构参数的改变可以视为结构损伤发生的标志，而利用损伤发生前后结构参数特性的改变来诊断结构损伤的方法即称为整体检测方法。整体检测方法大致可以分为动力指纹法[15-16]、模型修正法[17-19]和小波分析法[20-23]等。其原理可以归结为对于结构损伤前和损伤后动力特性的不同来判断损伤发生与否，并同时判别损伤位置和损伤程度，通过对结构进行动力学分析，可以找出结构损伤前后刚度、质量、阻尼的变化，从而推导频响函数和模态参数的变化，以此判断结构损伤。整体检测法用以评价整体结构的状态，可以间断或连续地评价结构的健康，确定损伤存在的可疑区域。在一定程度上，其更加侧重于对结构损伤的早期定性判断，这种定性判断相当重要，可以大致估计结构损伤程度和结构的整体性能。局部检测法主要依靠无损检测技术对特定构件进行精确的检测、查找并描述缺陷的部位。对结构进行局部检测之前，需要预先知道结构损伤的大体位置，并且要求检测仪器能够到达损伤区域，这样才能让局部检测更具有针对性，实际操作中也可以利用传感器对结构局部进行实时监测，这种方法更为及时有效。但局部检测法在不知道损伤大致位置的情况下难以使用，对于大型复杂结构，无法给出整体的损伤信息，不能对结构的整体安全性做出准确判断。目前局部检测方法有目测法、回弹法、染色法、光干涉法、声发射法、射线法、超声波技术等。刘鑫[24]提出了一种综合?
卷积神经网络在结构损伤诊断中的应用研究6图1-4神经元结构Fig.1-4Neuronstructure图1-5MP神经元模型Fig.1-5MPneuronmodel1.2.4基于神经网络技术的智能损伤诊断法随着人工智能算法的兴起，以微型计算机为核心的现代损伤诊断技术得到了迅猛发展[28]。21世纪初叶，人工神经网络在结构损伤诊断技术中的应用成了热门研究课题。实际应用的人工神经网络包括BP神经网路、模糊神经网络和概率神经网络等，其中BP神经网络的应用最为广泛，其在损伤诊断中的根本原理是根据结构在不同状态下（损伤位置和程度不同）各种反应特性的不同（如结构振型、固有频率、结构位移等），选择对损伤较为敏感的参数训练神经网络，使其自动提取训练集中包含的损伤特征并对权重进行调整，最终做出对未知信号的预测。应用神经网络技术对工程结构进行损伤诊断和预测分析，可以实现对工程结构损伤问题的综合性诊断和预测，在一定程度上克服复杂非线性和不确定动态特性问题带来的缺陷[29]。因此，大量专家学者提出了结构智能损伤诊断方法，以实现一个自动化的、实时的结构健康监测系统，提供结构损伤的早期预警[30-38]。X.Wu和J.Ghaboussi[39]等人通过训练神经网络识别未损坏结构以及各种可能损坏的结构，对神经网络在结构损伤诊断中的自组织能力和学习能力进行可行性研究，其结
【参考文献】：
期刊论文
[1]基于卷积神经网络的结构损伤识别[J]. 李雪松,马宏伟,林逸洲. 振动与冲击. 2019(01)
[2]基于卷积神经网络的桥梁损伤识别方法应用研究[J]. 李雪松,林逸洲,马宏伟,聂振华. 青海大学学报. 2018(02)
[3]深度学习在无人驾驶汽车领域应用的研究进展[J]. 王科俊,赵彦东,邢向磊. 智能系统学报. 2018(01)
[4]模式识别的斜拉桥损伤诊断动力指纹与识别算法[J]. 刘杰,王海龙,张志国,吴立朋. 土木建筑与环境工程. 2016(04)
[5]基于深度网络的可学习感受野算法在图像分类中的应用[J]. 王博,郭继昌,张艳. 控制理论与应用. 2015(08)
[6]基于缩聚模态应变能与频率的结构损伤识别[J]. 郑飞,许金余. 工程力学. 2012(07)
[7]基于模型修正的大跨斜拉桥损伤识别方法[J]. 杨小森,闫维明,陈彦江,何浩祥,程建旗. 振动.测试与诊断. 2012(02)
[8]基于柔度差曲率矩阵的结构损伤识别方法[J]. 李永梅,周锡元,高向宇. 工程力学. 2009(02)
[9]基于结构振动信息的损伤识别研究综述[J]. 闫桂荣,段忠东,欧进萍. 地震工程与工程振动. 2007(03)
[10]基于结构高阶局部模态的损伤诊断研究[J]. 易伟建,吴高烈,徐丽. 动力学与控制学报. 2006(04)
博士论文
[1]桥梁结构损伤识别的模式分类和聚类识别方法研究[D]. 刘鑫.武汉理工大学 2014
[2]桥梁结构动力损伤诊断方法研究[D]. 郭国会.湖南大学 2001
硕士论文
[1]子空间高斯混合模型在中文语音识别系统中的实现[D]. 肖云鹏.北京交通大学 2013
[2]基于神经网络混沌加密算法的安全芯片设计及其在电子商务中的应用研究[D]. 任志山.厦门大学 2009
[3]体育场大跨网架屋盖结构的风振响应和风振系数研究[D]. 王珩.浙江大学 2003
本文编号：2933610
【文章来源】：西华大学四川省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
港珠澳大桥Fig.1-2HongKong-Zhuhai-MacaoBridge
卷积神经网络在结构损伤诊断中的应用研究4图1-3结构损伤诊断发展史Fig.1-3Historyofstructuraldamagediagnosis1.2.2传统的检测手段目前的检测方法大致可分为局部检测法和整体检测法。任何结构都可以看作是由刚度、质量、阻尼等物理参数组成的力学系统，结构一旦出现损伤，结构参数也随之发生改变。因此，结构参数的改变可以视为结构损伤发生的标志，而利用损伤发生前后结构参数特性的改变来诊断结构损伤的方法即称为整体检测方法。整体检测方法大致可以分为动力指纹法[15-16]、模型修正法[17-19]和小波分析法[20-23]等。其原理可以归结为对于结构损伤前和损伤后动力特性的不同来判断损伤发生与否，并同时判别损伤位置和损伤程度，通过对结构进行动力学分析，可以找出结构损伤前后刚度、质量、阻尼的变化，从而推导频响函数和模态参数的变化，以此判断结构损伤。整体检测法用以评价整体结构的状态，可以间断或连续地评价结构的健康，确定损伤存在的可疑区域。在一定程度上，其更加侧重于对结构损伤的早期定性判断，这种定性判断相当重要，可以大致估计结构损伤程度和结构的整体性能。局部检测法主要依靠无损检测技术对特定构件进行精确的检测、查找并描述缺陷的部位。对结构进行局部检测之前，需要预先知道结构损伤的大体位置，并且要求检测仪器能够到达损伤区域，这样才能让局部检测更具有针对性，实际操作中也可以利用传感器对结构局部进行实时监测，这种方法更为及时有效。但局部检测法在不知道损伤大致位置的情况下难以使用，对于大型复杂结构，无法给出整体的损伤信息，不能对结构的整体安全性做出准确判断。目前局部检测方法有目测法、回弹法、染色法、光干涉法、声发射法、射线法、超声波技术等。刘鑫[24]提出了一种综合?
卷积神经网络在结构损伤诊断中的应用研究6图1-4神经元结构Fig.1-4Neuronstructure图1-5MP神经元模型Fig.1-5MPneuronmodel1.2.4基于神经网络技术的智能损伤诊断法随着人工智能算法的兴起，以微型计算机为核心的现代损伤诊断技术得到了迅猛发展[28]。21世纪初叶，人工神经网络在结构损伤诊断技术中的应用成了热门研究课题。实际应用的人工神经网络包括BP神经网路、模糊神经网络和概率神经网络等，其中BP神经网络的应用最为广泛，其在损伤诊断中的根本原理是根据结构在不同状态下（损伤位置和程度不同）各种反应特性的不同（如结构振型、固有频率、结构位移等），选择对损伤较为敏感的参数训练神经网络，使其自动提取训练集中包含的损伤特征并对权重进行调整，最终做出对未知信号的预测。应用神经网络技术对工程结构进行损伤诊断和预测分析，可以实现对工程结构损伤问题的综合性诊断和预测，在一定程度上克服复杂非线性和不确定动态特性问题带来的缺陷[29]。因此，大量专家学者提出了结构智能损伤诊断方法，以实现一个自动化的、实时的结构健康监测系统，提供结构损伤的早期预警[30-38]。X.Wu和J.Ghaboussi[39]等人通过训练神经网络识别未损坏结构以及各种可能损坏的结构，对神经网络在结构损伤诊断中的自组织能力和学习能力进行可行性研究，其结
【参考文献】：
期刊论文
[1]基于卷积神经网络的结构损伤识别[J]. 李雪松,马宏伟,林逸洲. 振动与冲击. 2019(01)
[2]基于卷积神经网络的桥梁损伤识别方法应用研究[J]. 李雪松,林逸洲,马宏伟,聂振华. 青海大学学报. 2018(02)
[3]深度学习在无人驾驶汽车领域应用的研究进展[J]. 王科俊,赵彦东,邢向磊. 智能系统学报. 2018(01)
[4]模式识别的斜拉桥损伤诊断动力指纹与识别算法[J]. 刘杰,王海龙,张志国,吴立朋. 土木建筑与环境工程. 2016(04)
[5]基于深度网络的可学习感受野算法在图像分类中的应用[J]. 王博,郭继昌,张艳. 控制理论与应用. 2015(08)
[6]基于缩聚模态应变能与频率的结构损伤识别[J]. 郑飞,许金余. 工程力学. 2012(07)
[7]基于模型修正的大跨斜拉桥损伤识别方法[J]. 杨小森,闫维明,陈彦江,何浩祥,程建旗. 振动.测试与诊断. 2012(02)
[8]基于柔度差曲率矩阵的结构损伤识别方法[J]. 李永梅,周锡元,高向宇. 工程力学. 2009(02)
[9]基于结构振动信息的损伤识别研究综述[J]. 闫桂荣,段忠东,欧进萍. 地震工程与工程振动. 2007(03)
[10]基于结构高阶局部模态的损伤诊断研究[J]. 易伟建,吴高烈,徐丽. 动力学与控制学报. 2006(04)
博士论文
[1]桥梁结构损伤识别的模式分类和聚类识别方法研究[D]. 刘鑫.武汉理工大学 2014
[2]桥梁结构动力损伤诊断方法研究[D]. 郭国会.湖南大学 2001
硕士论文
[1]子空间高斯混合模型在中文语音识别系统中的实现[D]. 肖云鹏.北京交通大学 2013
[2]基于神经网络混沌加密算法的安全芯片设计及其在电子商务中的应用研究[D]. 任志山.厦门大学 2009
[3]体育场大跨网架屋盖结构的风振响应和风振系数研究[D]. 王珩.浙江大学 2003
本文编号：2933610
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/2933610.html
