本文關(guān)鍵詞：基于小波神經(jīng)網(wǎng)絡(luò)的斜拉橋損傷識別方法研究　出處：《長沙理工大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 小波變換 神經(jīng)網(wǎng)絡(luò) 損傷識別 模態(tài)參數(shù) 斜拉橋

【摘要】：我國橋梁數(shù)量日益增多,橋梁的健康監(jiān)測變得越來越重要,而有效快速的識別橋梁結(jié)構(gòu)可能發(fā)生損傷的位置和程度變得尤為重要。小波分析被譽為分析信號的數(shù)學(xué)顯微鏡,具有優(yōu)良的時間和頻率局部化特征。神經(jīng)網(wǎng)絡(luò)對信號處理方面具有良好的自組織、自學(xué)習(xí)、自適應(yīng)能力,并且具有高度的非線性映射能力。因此,結(jié)合兩者的優(yōu)點,通過小波分析和神經(jīng)網(wǎng)絡(luò)有效地識別斜拉橋主梁的損傷位置和損傷程度,具有重要的理論意義和工程應(yīng)用價值。論文以斜拉橋損傷識別為研究課題,取得了如下主要成果:本文通過對斜拉橋進(jìn)行有限元分析,將提取的模態(tài)參數(shù)進(jìn)行連續(xù)小波變換得到結(jié)構(gòu)的小波系數(shù)圖,由小波系數(shù)模極大值點確定損傷位置。以含損傷斜拉橋的前四階固有頻率作為神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型,經(jīng)過樣本數(shù)據(jù)的訓(xùn)練與測試,從而實現(xiàn)對斜拉橋損傷程度的識別。給出了斜拉橋損傷識別的原理,建立了一種識別斜拉橋損傷位置和損傷程度的小波神經(jīng)網(wǎng)絡(luò)方法。通過對單塔斜拉橋含單損傷和多損傷分別進(jìn)行研究,在運用有限元分析提取其轉(zhuǎn)角和曲率模態(tài)參數(shù)的基礎(chǔ)上,對模態(tài)參數(shù)進(jìn)行連續(xù)小波變換,根據(jù)小波系數(shù)圖中的模極大值點來識別損傷位置。利用有限元計算分析獲得含損傷單塔斜拉橋的前四階固有頻率,對兩種不同損傷工況分別構(gòu)造了損傷程度為20%、30%、40%和18%、28%、38%的訓(xùn)練樣本,通過BP神經(jīng)網(wǎng)絡(luò)構(gòu)造的網(wǎng)絡(luò)計算分析,樣本數(shù)據(jù)訓(xùn)練和測試結(jié)果誤差均在5%以內(nèi)。本文研究了雙塔斜拉橋含單損傷和多損傷的識別問題,通過建立含損傷的雙塔斜拉橋有限元模型,對其動力特性進(jìn)行有限元分析得到模態(tài)參數(shù),然后進(jìn)行連續(xù)小波變換有效地識別了損傷位置。再利用含損傷雙塔斜拉橋的前四階固有頻率,對兩種不同的損傷工況分別構(gòu)造了損傷程度為20%、30%、40%和18%、28%、38%的訓(xùn)練樣本,通過BP神經(jīng)網(wǎng)絡(luò)構(gòu)造的網(wǎng)絡(luò)計算得到的樣本數(shù)據(jù)訓(xùn)練和測試結(jié)果均滿足工程精度要求。本文所建立的小波神經(jīng)網(wǎng)絡(luò)算法,不僅能識別斜拉橋主梁的損傷位置,而且能有效識別斜拉橋主梁的損傷程度。該方法對斜拉橋損傷診斷的工程應(yīng)用有一定的指導(dǎo)意義。
[Abstract]:The number of bridges in our country is increasing, bridge health monitoring is becoming more and more important position and degree of effective and rapid identification of bridge structure possible damage has become particularly important. Wavelet analysis is known as mathematical microscope analysis of time and frequency signal, has excellent localization features. The neural network for signal processing with self-organization good self-learning and adaptive ability, and has strong nonlinear mapping ability. Therefore, combining the advantages of both, effectively identify the damage location and degree of main girder of cable-stayed bridge by wavelet analysis and neural network, and has important theoretical significance and engineering application value. Based on the damage detection of cable-stayed bridge as the research topic. The main results are as follows: in this paper, based on finite element analysis of cable-stayed bridge, the modal parameters extracted by continuous wavelet transform to get the structure of the small Wave coefficient map, wavelet coefficients by modulus maxima to determine the location of the damage. The first four natural frequencies with damage of the cable-stayed bridge as input parameters to construct neural network model of neural network, after training and testing sample data, so as to realize the recognition of cable-stayed bridge damage. A principle of damage detection of cable-stayed bridge the establishment of the wavelet neural network method for identification of cable-stayed bridge, damage location and damage degree. Based on the single tower cable-stayed bridge with single and multiple damage were studied, based on the finite element analysis to extract the angle and curvature modal parameters, continuous wavelet transform is applied to the modal parameters based on Wavelet figure coefficient modulus maxima to identify the damage location. Using the finite element analysis of bearing damage first four natural frequencies of single tower cable-stayed bridge, on two different damage conditions are presented by injury. For 20%, 30%, 40% and 18%, 28%, 38% training samples, by constructing BP neural network analysis, training sample data and test results of error within 5%. This paper studied with single and multiple damage identification problem of Twin Towers cable-stayed bridge, through the establishment of damaged Twin Towers cable-stayed bridge finite element model, finite element analysis of the dynamic characteristics of modal parameters, then continuous wavelet transform to effectively identify the damage location. The first four order natural frequency reuse with damage of Twin Towers cable-stayed bridge, on two different damage conditions are constructed. The damage degree was 20%, 30%, 40% and 18%. 28%, 38% training samples, obtained by constructing BP neural network calculation of training sample data and test results meet the engineering accuracy requirements. The algorithm of wavelet neural network in this paper, not only can identify the damage position of main girder of cable-stayed bridge The method can effectively identify the damage degree of the main girder of the cable-stayed bridge. This method has certain guiding significance for the engineering application of the damage diagnosis of the cable-stayed bridge.

【學(xué)位授予單位】：長沙理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U446;U448.27

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡(luò)的某邊坡預(yù)測研究[J];測繪工程;2012年02期

2 祖哲;畢貴紅;劉力;郝娟;;基于小波神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測模型研究[J];計算機(jī)技術(shù)與發(fā)展;2012年10期

3 霍禹同;;基于小波神經(jīng)網(wǎng)絡(luò)的電機(jī)自動控制研究[J];信息與電腦(理論版);2013年09期

4 江亞東,丁麗萍,夏克儉,李恪,陳因頎;基于小波神經(jīng)網(wǎng)絡(luò)的混沌模式提取[J];北京科技大學(xué)學(xué)報;2001年05期

5 陳農(nóng),賈區(qū)耀;用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)辨識動態(tài)實驗數(shù)據(jù)[J];飛行力學(xué);2001年01期

6 張增芳,陳瑞中,齊保謙,陸英北;基于小波神經(jīng)網(wǎng)絡(luò)的心電數(shù)據(jù)壓縮研究[J];廣西工學(xué)院學(xué)報;2002年01期

7 任少龍,鐘秋海,嚴(yán)承華;小波神經(jīng)網(wǎng)絡(luò)在裝備研制費預(yù)測與控制中的應(yīng)用[J];海軍工程大學(xué)學(xué)報;2002年05期

8 董杰,馬壯,吳云,李嘉林;遺傳小波神經(jīng)網(wǎng)絡(luò)在飛機(jī)加油管路設(shè)計中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2002年S1期

9 趙學(xué)智,鄒春華,陳統(tǒng)堅,葉邦彥,彭永紅;小波神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化研究[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2003年02期

10 楊春玲,楊茂華,胡艷,戴景民;小波神經(jīng)網(wǎng)絡(luò)在多波長輻射測溫中的應(yīng)用[J];計量學(xué)報;2003年04期

相關(guān)會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號識別中的應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項式的混合預(yù)測方法在通信規(guī)劃中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測的動態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測應(yīng)用研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機(jī)特性回歸[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號自動識別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運動控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類隨機(jī)過程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強(qiáng);基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學(xué);2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

9 蔡崇國;小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

10 盧金長;數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測中的應(yīng)用研究[D];云南財經(jīng)大學(xué);2015年

，

本文編號：1420950