基于机器学习的大跨桥梁斜拉索损伤识别

发布时间：2021-09-06 08:24

　　本文以一座斜拉桥为具体研究对象（该斜拉桥的原型是苏拉马都大桥）,研究其主要构件拉索的健康监测方法。首先在该桥有限元基准模型的基础上,根据不同的损伤程度和拉索损伤数目来确定工况,并由此得到不同工况下拉索的应变数据,然后分别基于BP（Back Propagation,反向传播）网络、SCG（Scaled Conjugate Gradient,量化共轭梯度）网络以及RBF（Radial Basis Function,径向基函数）网络,开展大跨斜拉桥拉索的损伤识别方法的研究。主要工作如下:1.面对传统BP神经网络的诸多缺点,如算法收敛速度慢,学习效率低、网络结构难以确定、容易陷入到局部最小点等,通过加入动量项和自适应学习率来获得改进BP神经网络,采用“交叉验证法”来研究不同参数对神经网络的性能影响并选取合适的网络。研究表明,改进后的BP神经网络可以在一定精度范围内对拉索损伤进行识别。2.在共轭梯度算法的基础上,选择“SCG神经网络”作为拉索损伤识别方法。通过建立与BP算法相同的网络结构并统计比较该网络在同一个校验集数据样本上的性能,数据表明“SCG神经网络”相比于BP神经网络具有一定优势。在此... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

典型神经网络结构模型

（a）隐含层单元数目合适 （b）隐含层单元数目偏少 （a）隐含层单元数目偏多为了确定合适的隐藏层节点数目，对于本文输入和输出维数相同的数据样本，提出“图 2.3 不同隐含层单元数目对神经网络的影响

不同的学习率对训练网络的影响

【参考文献】：
期刊论文
[1]基于互相关函数幅值和SVM的输电塔损伤识别[J]. 霍林生,李旭,李宏男,张卓群.  振动.测试与诊断. 2017(03)
[2]基于移动主成分法的桥梁损伤识别研究[J]. 赵展,林逸洲,钟晓林,张鹏.  广州建筑. 2017(02)
[3]基于转角模态和小波神经网络的连续梁损伤识别研究[J]. 王名月,缪炳荣,李旭娟,杨忠坤.  力学季刊. 2016(04)
[4]大型公铁两用斜拉桥健康监测数据的时域峰值统计及频域融合处理[J]. 施洲,蒲黔辉,岳青,张同刚.  中国铁道科学. 2017(02)
[5]基于小波神经网络方法的桥梁结构损伤识别研究[J]. 肖书敏,闫云聚,姜波澜.  应用数学和力学. 2016(02)
[6]基于振动传递率函数与统计假设检验的海洋平台结构损伤识别研究[J]. 刁延松,徐东锋,徐菁,毛辉.  振动与冲击. 2016(02)
[7]环境因素对斜拉桥模态频率影响的周期特性[J]. 孙利民,周毅,谢大圻.  同济大学学报(自然科学版). 2015(10)
[8]提升小波包和BP-AdaBoost模型在大跨斜拉桥拉索损伤识别中的应用[J]. 谭冬梅,谢华,陈杰,瞿伟廉,韩玲,查大奎.  噪声与振动控制. 2015(05)
[9]基于节点曲率和小波分析的梁式桥多尺度损伤识别[J]. 钟儒勉,宗周红,郑沛娟,杨泽刚.  振动与冲击. 2015(12)
[10]基于模型试验的悬索桥结构损伤识别研究[J]. 孙宗光,陈一飞,邵元,石健,栗燕娜.  工程力学. 2014(06)



本文编号：3387114