基于改进遗传—神经网络的结构损伤识别研究

自然灾害的频繁发生导致工程结构产生损伤;使用时间的推移,不可避免的使结构发生老化。这些不同原因造成的不同程度的损伤经过长期的积累必然导致结构发生破坏或使用性能降低。尽早的发现结构损伤,并及时检测和修复,不仅可以大大降低结构的维护、维修费用,还可以避免和减少不必要的生命财产损失。因此,对工程结构进行实时的健康检测和诊断是目前国内外科技工作者和工程领域广泛关注和重点开发研究的领域之一。 结构发生损伤必然导致结构动力特性的改变,基于结构动力特性的结构损伤识别是当前学术界和工程界研究的热点。本文首先对结构损伤识别的理论与方法进行了阐述,探讨了频率、振型、应变等模态参数变化与损伤的内在联系,通过理论推导和数值模拟验证了应变模态参数对于结构损伤的敏感性,是进行结构损伤识别的理想指标;其次对一种较好的全局寻优算法—遗传算法进行了研究,指出了其缺陷和不足,并对自然界生物进化过程中种群分化、优种保护、优胜劣汰等现象进行了研究,提出了基于隔离小生境技术的自适应遗传算法。通过对典型测试函数的试算,表明本文所提方法是一种有效的全局寻优算法;接着阐述了神经网络的基本理论,指出其缺陷并用本文所提出的遗传算法对其进行改进,优化神经网络的权值,提高了神经网络的全局寻优能力和训练速度;继而从神经网络的结构损伤识别能力入手,探讨了用神经网络进行结构损伤识别的基本原理,并应用本文的改进遗传—神经网络对结构进行损伤识别。 本文以应变模态参数作为改进遗传—神经网络的输入向量并进行训练,应用训练后的神经网络对一简支梁进行损伤的定位和损伤程度的标定,结果表明了基于本文改进遗传—神经网络的结构损伤识别方法弥补了传统BP 神经网络收敛速度慢,易陷入局部最小等缺陷,具有收敛速度快、识别精度高等特点。