● 摘要
工程结构在使用过程中会不断发生局部损伤,当局部损伤累积到一定程度,就会对结构的安全性和耐久性构成重大威胁，因此,结构损伤诊断已经成为工程界与学术界一个十分热门的话题。神经网络因具有并行推理、适应性学习、联想推理、容错等能力,已进入结构损伤诊断领域，形成了新的损伤诊断方法。目前，BP神经网络由于其强大的非线性映射能力已被广泛应用于结构损伤识别领域。但由于BP神经网络采用梯度下降法作为其学习算法，在损伤识别过程中容易陷入局部极小值，从而无法实现正确损伤位置或程度的识别。为克服这一缺点，本文采用具有强大信息记忆和信息联想功能的联想神经网络对典型结构的损伤位置进行识别。由于联想神经网络是一种专门用来识别二值化向量的神经网络，本文对结构损伤前后的模态曲线进行编码后作为输入参数代入神经网络进行训练，并提出一种以一阶模态单调性为依据的可靠性检测方法，可以对神经网络识别结果的正确性进行判断。将联想神经网络应用于结构损伤识别充分体现了神经网络的模式识别功能。 另外，本文还将BP神经网络应用于特征系统实现算法，使这一传统时域模态参数识别方法的识别精度得到提高。当时域信号中含有高信噪比噪声，或含有除白噪声以外的其他噪声源时，传统的特征系统实现算法无法正确的识别模态参数。利用BP神经网络强大的非线性映射能力和鲁棒性，可以对掺杂噪声的有用信号进行非线性逼近，从而有效滤除噪声。将经过BP神经网络处理后的信号代入特征系统实现算法中进行计算，可以使其识别结果更为精确。