【摘要】：橋梁工程是國家生命線工程。橋梁通車運營后,隨著時間的推移,會受到環(huán)境侵蝕、人為因素、材料老化、自然災害以及車輛荷載的交互作用,從而受到不同程度的損傷和劣化。橋梁健康監(jiān)測系統(tǒng)從傳感器實時監(jiān)測的數(shù)據(jù)中獲取結構響應信息和橋位環(huán)境狀況,并對數(shù)據(jù)計算分析,判斷和評估橋梁結構的受力狀態(tài)和抗力衰減規(guī)律,確保橋梁安全運營。健康監(jiān)測系統(tǒng)任務的核心是損傷識別,然而損傷識別的前提是建立精確的有限元模型。本文以橋梁健康監(jiān)測系統(tǒng)監(jiān)測的動力響應為有限元模型修正的研究目標,以神經網絡算法和響應面法在模型修正中的應用為研究對象。采用ANSYS軟件對有限元模型進行建模分析。利用遺傳算法優(yōu)化神經網絡,采用MATLAB編制算法程序實現(xiàn)模型修正;同時利用MATLAB開發(fā)了工具箱,實現(xiàn)了響應面法模型修正的可視化�；诮】当O(jiān)測系統(tǒng)實時監(jiān)測的數(shù)據(jù)可以實現(xiàn)模型修正的實時性,能夠及時的為橋梁結構計算提供一個準確的有限元模型。主要研究內容如下:1、介紹有限元模型修正的理論,對有限元模型修正的一般過程進行說明;對模型修正中的參數(shù)選取,以及模型修正后的誤差判別做了詳細介紹;2、針對傳統(tǒng)加速度傳感器優(yōu)化布置方法的不足,提出了本文方法,結合工程經驗完成沮河大橋加速度傳感器的優(yōu)化布置;總結不同傳感器性能的優(yōu)缺點,并介紹全橋傳感器的布置方案;3、針對普通廣義回歸神經網絡的缺陷,提出基于遺傳算法的優(yōu)化方法,并將其應用到有限元模型修正中,詳細介紹神經網絡在模型修正中應用原理及流程;4、在MATLAB軟件環(huán)境下,將本文提出的優(yōu)化廣義回歸神經網絡模型修正方法運用到依托工程上。通過對修正結果的對比分析,驗證了基于遺傳算法優(yōu)化神經網絡模型修正法的準確性、優(yōu)越性和有效性;5、介紹響應面法進行模型修正的原理及流程,并將其應用到依托工程上。利用MATLAB開發(fā)出一個工具箱,將響應面法模型修正做到了可視化。
[Abstract]:Bridge engineering is a national lifeline project. After the bridge is opened to traffic, with the passage of time, it will be affected by environmental erosion, human factors, material aging, natural disasters and the interaction of vehicle loads, so it will be damaged and degraded to varying degrees. The bridge health monitoring system acquires the structure response information and the bridge environment condition from the sensor real-time monitoring data, calculates and analyzes the data, judges and evaluates the stress state and the resistance attenuation rule of the bridge structure, and ensures the bridge safe operation. Damage identification is the core of the task of health monitoring system. However, the premise of damage identification is to establish an accurate finite element model. In this paper, the dynamic response of bridge health monitoring system is taken as the research object of finite element model modification, and the application of neural network algorithm and response surface method in model modification is studied. The finite element model is modeled and analyzed by ANSYS software. Genetic algorithm is used to optimize neural network, MATLAB is used to program the model correction, and MATLAB is used to develop toolbox to realize the visualization of response surface model modification. The real-time monitoring data based on the health monitoring system can realize the real-time correction of the model and can provide an accurate finite element model for bridge structure calculation in time. The main research contents are as follows: 1. The theory of finite element model modification is introduced and the general process of finite element model modification is explained. 2. Aiming at the deficiency of the traditional acceleration sensor optimization arrangement method, this paper puts forward the method of this paper, combining the engineering experience to complete the optimization layout of the acceleration sensor of the Ju River Bridge; The advantages and disadvantages of different sensors are summarized, and the layout scheme of the full bridge sensor is introduced. 3. Aiming at the defects of general generalized regression neural network, an optimization method based on genetic algorithm is proposed and applied to finite element model modification. The application principle and flow chart of neural network in model modification are introduced in detail. 4. In the MATLAB software environment, the optimized generalized regression neural network model modification method proposed in this paper is applied to the supporting engineering. The accuracy, superiority and effectiveness of the neural network model modification method based on genetic algorithm are verified by the comparison and analysis of the modified results. 5. The principle and process of model modification based on response surface method are introduced, and applied to supporting engineering. A toolbox is developed by using MATLAB to visualize the response surface model modification.
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U446;U441

【參考文獻】

相關期刊論文 前10條

1 梁鵬;李斌;王秀蘭;王曉光;吳向男;馬旭明;;基于橋梁健康監(jiān)測的有限元模型修正研究現(xiàn)狀與發(fā)展趨勢[J];長安大學學報(自然科學版);2014年04期

2 韓建平;駱勇鵬;鄭沛娟;劉云帥;;基于響應面的剛構-連續(xù)組合梁橋有限元模型修正[J];工程力學;2013年12期

3 楊雅勛;郝憲武;孫磊;;剛構-連續(xù)梁橋健康監(jiān)測系統(tǒng)設計[J];噪聲與振動控制;2011年01期

4 宗周紅;高銘霖;夏樟華;;基于健康監(jiān)測的連續(xù)剛構橋有限元模型確認(Ⅰ)——基于響應面法的有限元模型修正[J];土木工程學報;2011年02期

5 鄧苗毅;任偉新;王復明;;基于靜力響應面的結構有限元模型修正方法[J];實驗力學;2008年02期

6 智翠梅;;均勻設計及優(yōu)化[J];化工中間體;2007年03期

7 閆桂榮;段忠東;歐進萍;;遺傳算法在結構有限元模型修正中的應用[J];哈爾濱工業(yè)大學學報;2007年02期

8 李義強;張彥兵;王新敏;;基于參數(shù)識別的鋼筋混凝土簡支梁橋靜力模型修正技術[J];石家莊鐵道學院學報;2006年03期

9 李惠;歐進萍;;斜拉橋結構健康監(jiān)測系統(tǒng)的設計與實現(xiàn)(II):系統(tǒng)實現(xiàn)[J];土木工程學報;2006年04期

10 李惠;歐進萍;;斜拉橋結構健康監(jiān)測系統(tǒng)的設計與實現(xiàn)(I):系統(tǒng)設計[J];土木工程學報;2006年04期

相關博士學位論文 前1條

1 趙虎;大跨度斜拉橋運營期性能監(jiān)測與評估[D];西南交通大學;2015年

相關碩士學位論文 前10條

1 倪富陶;基于動力監(jiān)測的傳感器優(yōu)化算法及綜合評價研究[D];長安大學;2016年

2 陳星;基于遺傳改進廣義回歸神經網絡的鐵路貨運量預測研究[D];大連交通大學;2015年

3 何濤;基于動靜載試驗的橋梁結構模型修正方法應用研究[D];太原理工大學;2015年

4 黃瓊;基于響應面法的鋼筋混凝土框架結構有限元模型修正研究[D];蘭州理工大學;2014年

5 陳舒婷;大跨徑連續(xù)剛構橋健康監(jiān)測傳感器優(yōu)化布置及狀態(tài)評估研究[D];武漢理工大學;2014年

6 殷廣慶;梁式橋有限元模型建立與修正及其應用[D];大連理工大學;2013年

7 駱勇鵬;基于響應面法的橋梁結構有限元模型靜動力修正方法研究[D];蘭州理工大學;2013年

8 丁德豪;單塔斜拉橋模型修正研究[D];西南交通大學;2012年

9 毛建平;基于神經網絡的橋梁結構靜力有限元模型修正[D];吉林大學;2011年

10 鐘穎;基于靜力測試數(shù)據(jù)的橋梁結構有限元模型修正[D];西南交通大學;2009年

，

本文編號：2342104