基于神经网络的损伤构件及损伤程度识别

• 作者: 倪一清 孙宗光 高赞明
• 来源期刊: 工程力学
• 学科: 工学
• 关键词: 损伤检测 损伤构件识别 损伤程度识别 神经网络 斜拉桥
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 基本方法
• 页码范围: 18-22
• 页数: 5页
• 分类号: TU312
• 字数: 3353字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4750.2006.02.003

摘要

确定损伤构件及其损伤程度是分阶段损伤识别的最后一步,同时又是进一步制定结构安全运行决策的前提和基础.研究了在确定了结构损伤区域的条件下,应用反向传播(BP)神经网络同时实现对具体损伤构件及其损伤程度识别的方法.探讨了针对上述神经网络训练数据的构造和训练策略.应用提出的方法对汲水门斜拉桥桥面结构进行了损伤识别仿真模拟.基于模态参数对损伤的灵敏度分析,选取了12个自振频率和损伤区域附近的6个振型分量作为构造网络输入的基本数据.网络的输出向量同时指示了损伤构件及其损伤程度.就模拟的10种损伤情况,当损伤程度达到60%以上时,有9种实现了正确的构件识别,半数以上给出了可以接受的损伤程度描述.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪一清		69	2475	27.0	49.0
2	高赞明		37	1850	22.0	37.0
3	孙宗光		46	352	9.0	18.0