基于BP神经网络的结构损伤诊断
来源:用户上传
作者:
[摘要]本文综述了神经网络在结构分析中的应用，针对网络输入参数的选择进行了详细阐述，并对结构损伤的不同特征参数加以比较，讨论了基于神经网络的结构损伤诊断方法在理论和实际应用中存在的问题，指出了其发展方向和趋势。
[关键词]神经网络 结构损伤诊断 特征参数
0引言
结构损伤诊断技术是近四十年来为适应工程实际需要而发展起来的一门各学科交叉的综合学科。随着传感器技术的发展，基于动力特性的结构损伤诊断方法已成为目前国内外研究的热点。近年来，神经网络方法以其在模式识别、分类与匹配等方面的强大能力在结构损伤诊断领域得到了广泛应用。其最大优点是不依赖于模型，直接将系统的映射关系以权值的方式保存下來，具有知识获取、并行推理、适应性学习、联想推理、容错能力等方面的相对优越性，是一种行之有效的方法。已有许多学者将神经网络方法与基于振动特性的方法相结合用于结构损伤诊断领域。
1结构损伤诊断的特征参数
目前，基于振动法用神经网络进行结构损伤识别时，有许多文献采用固有频率经预处理后作为神经网络的输入参数，也有采用振型、刚度矩阵、柔度矩阵，模态应变能等参数作为神经网络的输入参数。
1.1固有频率
固有频率是采用神经网络进行结构损伤识别中最常用的输入参数。这是因为，固有频率是模态参数中最容易获得的一个参数，可以在结构的一个点上测到，识别精度高。与测点为之相对独立，是一个能反映结构整体的动力特性。当结构有损伤时，任意两阶模态的频率变化之比，只对损伤位置较为敏感，而对损伤程度并不敏感。对于对称结构，还存在一个问题，即两个对称位置的损伤所引起的固有频率变化是完全相同的。
1.2振型特征
虽然振型的测试精度低于固有频率，但振型包含更多的损伤信息。利用振型变化识别结构损伤的方法很多。在采用BP神经网络进行结构损伤诊断时，可以利用振型曲率法或振型变化图形法获取表征损伤的敏感参数。当结构出现损伤时，其损伤处的刚度会降低，而曲率便会增大，振型曲率的变化随着曲率的增大而增大，因此可采用振型曲率的变化率作为神经网络的输入参数进行损伤诊断。
1.3刚度矩阵
当结构发生损伤时，刚度矩阵将发生显著的变化，因而许多研究者在利用刚度矩阵进行损伤识别方面做了有益的研究。在采用BP神经网络进行结构损伤诊断时，可以结构损伤前后刚度变化作为表征损伤的敏感参数，输入神经网络进行诊断。
1.4柔度矩阵
结构发生损伤时，不仅固有频率与振型发生变化，其柔度也会发生变化，并且柔度矩阵的估计值可由结构低阶模态参数较为精确地求出。刚度矩阵与固有频率的平方成正比，所以为了获得一个精确的刚度矩阵估计值，必须测量所有的模态参数，这就使建立在刚度矩阵基础上的结构损伤诊断方法带有很大的局限性，而柔度矩阵于固有频率的平方成反比，所以随着固有频率的增加，柔度矩阵收敛很快，仅从低阶模态参数即可获得柔度矩阵较为精确的估计值。
1.5模态应变能
近年来，基于模态应变能来诊断结构损伤的研究不断深入，文献基于单元模态应变能的变化导出了结构损伤大小的确定方法。以结构损伤前后单元应变能发生变化的变化率作为表征损伤的敏感参数，输入BP神经网络进行结构损伤诊断。文献提出空间结构裂纹位置识别的模态应变能法。该方法将单元模态应变能分解为拉压、扭转和弯曲模态应变能，利用单元的主要模态应变能分量与结构固有频率的改变量对结构损伤位置进行识别。
2研究状况与展望
当前，虽然关于应用神经网络技术的结构损伤诊断方法已有大量的研究成果，但是仍然存在许多问题和难点亟待解决，主要有以下几点：
（1）误差干扰的影响。目前，结构损伤诊断技术在实际应用中遇到的主要困难之一在于误差的影响，很多损伤诊断方法在无误差干扰时可以很容易的诊断结构损伤。但是，由于不可避免的模型误差、测量误差和测量数据不完备性等因素的干扰，多数方法实际实施时效果不佳。因此，对各种方法在实际应用中面临的误差干扰问题进行研究很有必要。
（2）神经网络输入参数的选择。已有研究表明，以频率指标作为神经网络输入参数较为理想，但是，结构频率变化对小损伤并不敏感，并且对于对称结构，它无法分辨两个对称位置所发生的损伤。结构的应变指标对损伤较为敏感，但是应变指标的可靠性还有待提高，传感器的灵敏度和布置方式使这种指标在应用中遇到困难。
（3）缺乏对复杂结构进行系统损伤检测、诊断的理论与技术，特别是能够应用于实际工程结构损伤检测与诊断的方法与技术。
近年来，许多新的算法和理论的发展为神经网络技术在结构损伤诊断领域中的应用带来契机。
（1）神经网络技术与遗传算法理论相结合。遗传算法理论是基于生物遗传和自然选择的概念，在类似于达尔文“适者生存”理论的基础上发展起来的。遗传算法的优点在于：①并行搜索，搜索效率高;②不需要目标函数的微分值，放宽了对目标函数的要求;③本质上属于随机寻优过程，不存在局部收敛问题。
（2）神经网络技术与模糊理论相结合。将模糊理论和神经网络技术相结合也成为近年来受瞩目的课题之一。其主要思想为，在结构损伤诊断中引入模糊数学的方法，选用适当的隶属函数，用相应的隶书度来描述结构响应存在的倾向性，通过响应的隶属度来寻求各种损伤的隶属度，用以表示各种损伤存在的倾向性，为人们判断结构的损伤提供依据。基于模糊推理的神经网络不仅具有较快的学习能力，而且能有效的描述测试信号的特征与结构损伤间的关系。
结构的损伤诊断是一个具有广泛工程应用背景的研究课题。根据结构的动力特性的变化，应用人工神经网络进行结构损伤诊断是近年来结构损伤诊断研究领域的一个热点。
转载注明来源:https://www.xzbu.com/2/view-14861799.htm
