论文部分内容阅读
结构参数及损伤识别是工程结构健康监测、性能评估和安全性评价以及使用寿命预测的关键之一,对维护现役结构的安全与正常运营有着重要的意义。在过去的二十多年时间里,人们所提出的基于振动的结构参数识别与反分析方法中,以基于结构的动力响应测量特征值或者特征向量提取的结构模型修正方法和参数识别研究为主。近年来,随着非接触式传感技术的发展,对结构的振动位移响应进行测量易于实现。在对国内外结构健康监测、参数识别的研究进展进行回顾的基础上,本文进行了以下几方面的工作:(1)提出了一种运用结构的振动位移响应时程的基于神经网络的结构参数和损伤识别的方法。该方法不需要提取结构的特征值,例如频率、振型等,直接运用结构的动力响应时程可以识别出结构的参数,进而反映损伤的存在及程度。通过结构运动微分方程的离散解,分析了本方法的理论基础,定义了预测差异均方根向量(RMSPDV)作为参数识别指标,并构建了基于神经网络模拟器(NNE)以及参数评估用神经网络(PENN)的实现方法。(2)基于Matlab编制了滤波程序、神经网络模拟器以及参数评估用神经网络的训练样本数据生成、训练以及结构参数识别程序,实现了本文所提出的结构参数识别方法。(3)采用一个四层框架结构的集中质量模型进行数值模拟验证本方法的可行性,并研究了测量噪声对参数识别结果的影响。结果表明了预测差异均方根向量对结构参数变化具有很高的灵敏度,同时具有很强的抗噪能力。(4)通过一个受基底激励的两层框架模型结构的振动台试验,运用激光位移传感器所测量的结构位移响应时程,运用所提出的方法对结构的层间刚度进行识别。通过松动模型结构的梁柱连接螺丝模拟损伤,对损伤结构的刚度进行了识别。将本方法与基于特征值提取方法的识别结果进行对比,验证了本方法的可靠性。该方法具有一般性,为实际工程结构的参数识别、损伤识别和模型修正提供了一种可行途径。