women基于小波概率神经网络与数据融合结构损伤识别方法研究.docVIP

women基于小波概率神经网络与数据融合结构损伤识别方法研究 　　摘要：通过分析小波概率神经网络（WPNN）与数据融合技术在工程结构损伤识别中的应用原理，建立了基于小波概率神经网络和数据融合技术的模型。对悬臂板结构进行了数值模拟试验，运用损伤单元数据作为输入向量训练了WPNN与数据融合的损伤识别模型，并选取4个单元作为检验样本进行检验，检验的结果与数值试验分析吻合较好，表明，该方法在工程结构的损伤识别中有较好的应用价值。 　　关键词： 结构损伤；损伤识别；悬臂版；小波概率神经网络(WPNN)；数据融合 　　Abstract: through the analysis of wavelet probabilistic neural network (WPNN) and data fusion technology in structural damage identification of the application of the principle, based on wavelet probabilistic neural network and data fusion technology model. To cantilever plate structure of numerical simulation test, the use of damage elements as input vector data training WPNN and data fusion of damage identification model, and selected four unit as a valid sample for inspection, testing results and a good agreement with the numerical test analysis, show that this method in engineering structure damage identification has good application. 　　Keywords: structural damage; Damage identification; Cantilever version; The probability of wavelet neural network (WPNN); Data fusion 　　 　　 　　中图分类号：TU973+.1 文献标识码：A文章编号： 　　1引言 　　当前，世界范围内建筑工业的重心正在从大规模新建转向新建与维修加固并举[1]。土木工程结构如房屋建筑、桥梁、海洋平台等在投入使用之后，由于地震、火灾、咫风等自然灾害或一长期作用的疲劳、腐蚀等原因而产生不同程度的损伤，结构损伤经过长期的累积必然会导致结构发生破坏或使用性能降低[2]。结构的损伤检测、诊断是土木工程结构经历自然灾害、长期作用后进行维修、加固的基础，是一项复杂的系统工程，其核心的问题是基于什么理论进行损伤的检测[3]。 　　在损伤识别以及其它的信息获取及处理过程中，信息的确定程度主要取决于选用传感器的种类、所选择的方法以及信息源本身[4]。进一步说，单一传感器获得的信息通常是不完整、不精确的。多传感器数据融合技术从多源??号中获取信息，减小了信息的不确定度，助于帮助制定决策。无损检测数据融合近几年发展很快。来自不同国家的很多人对它表现出极大的兴趣，他们已经提出了多种适用于无损检测数据融合的模型[5]。本文给出了一种新的基于小波概率神经网络（wavelet probabilistic neural network , WPNN）和数据融合的结构损伤检测方法模型，并给出了该模型在结构损伤识别中的应用。 　　2基于频率的结构损伤识别原理 　　运用试验测试的数据来确定结构系统运动方程中的参数叫做参数识别。参数识别的典型过程包括在结构系统的模态试验中测量由于外部激励作用下的结构响应;从响应的数据中直接地或通过数据处理技术确定系统的动力特性，诸如自振动频率和振型。结构的频率相对振型来说更容易较准确测量，而且能够反映结构整体特征，使其成为结构损伤识别中的重要特征参数。由于系统的自振动频率和振型是系统参数如质量和刚度的函数，所以可以将实验得到的结构动力特性与数学模型预测的结构动力特性进行比较从而确定系统参数[6]。结构损伤探测的基本方法正是基于以上的基本概念而产生的。 　　当不考虑阻尼时，结构振动的特征值方程为 　　 （1） 　　其中矩阵 、 分别表示离散的质量矩阵、刚度分布， 与 分别是结构第i阶固有频率和正则化振型向量。设损伤使结构刚度矩阵、质量矩阵、频率及振型向量的变化分别