《基於動力檢測和智慧型算法的空間格線結構損傷識別研究》是依託同濟大學，由楊彬擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於動力檢測和智慧型算法的空間格線結構損傷識別研究
- 項目類別：青年科學基金項目
- 項目負責人：楊彬
- 依託單位：同濟大學
中文摘要,結題摘要,
中文摘要
空間格線結構是空間結構的一種基本形式，其使用期中不可避免地遭受到多種外界因素的影響，產生損傷累積，導致結構抗力衰減，極端情況下就會引發出災難性突發事件。因此，對於空間格線結構進行損傷檢測與診斷，可以及時發現隱患，防止結構倒塌事故的發生。本項目以空間格線結構為主要研究對象，針對空間格線結構低頻模態密集的情況，提出小波參數的選擇具體方法，對採集到的基於環境激勵的動力檢測數據進行分析，以形成一套完善的空間格線結構模態參數識別的方法。採用粒子群最佳化算法完善BP神經網路的計算能力，彌補BP網路易陷入局部最優值的缺點，將其作為損傷識別的一種手段。最終，研究選取合適的損傷因素建立結構模型修正的最佳化問題，通過解決同時使用若干個目標函式的權重問題，結合結構動力分析模態參數的特點，通過基於粒子群最佳化的神經網路實現有限元模型更新，達到實現空間格線結構的損傷識別的目標。
結題摘要
空間格線結構是空間結構的一種基本形式，其使用期中不可避免地遭受到多種外界因素的影響，產生損傷累積，導致結構抗力衰減，極端情況下就會引發出災難性突發事件。本課題以空間格線結構為主要研究對象，結合健康監測中的實際需求提出了一種實時去除趨勢項的方法，極大的改善了監測數據的信號質量。在此基礎上，針對空間格線結構低頻模態密集的情況，通過結合最小標準差原則和最小Shannon熵原則兩種小波參數選取方法，給出了一種最優小波參數選取方法，對採集到的基於環境激勵的動力檢測數據進行分析。提出了粒子群神經網路，利用粒子群最佳化算法全局搜尋性能，提高了神經網路的分類識別性能。最終結合結構損傷特徵和有限元模型，提出了基於標準化頻率平方變化率及標準化位移振型的組合參數的空間格線結構損傷特徵參數的二階段結構損傷識別方法，通過神經網路良好地分類識別性能，完成格線結構的損傷識別。人工損傷網架結構損傷識別試驗表明，該方法可以準確識別出各損傷桿件的具體位置，基本能準確地識別出桿件的損傷程度，可以適用於空間格線結構結構單桿件損傷識別和定位情況，達到基於動力檢測實現空間格線結構損傷識別的目的。
