基于信息熵和神經網絡的結構損傷識別方法研究.pdf

1、混凝土結構出現損傷的最常見情況就是裂縫，判斷結構是否出現損傷以及損傷位置和程度已經成為了研究熱點。在已有的損傷檢測方法中考慮線性因素的較多，但是在結構的實際使用過程中，非線性因素一直影響著損傷識別的精度。結構在出現裂縫后，由于裂縫在振動過程中的“張合”，使結構的剛度不斷發(fā)生變化，這也使得結構的非線性較為明顯。如何采用合理的模型模擬結構出現裂縫后的動力性能顯得更加重要。
　　 本文首先介紹了土木工程損傷識別的背景及意義，并詳細列舉

2、了現有的損傷識別方法，并對智能檢測的國內外研究現狀進行了詳細介紹。在現在已出現的識別方法中，在建立模型時大多是考慮以線性因素為主的影響，但是在實際結構工程中，結構中存在著大量的非線性因素，如由應力應變本構關系引起的材料非線性，彈性大變形引起的幾何非線性，約束邊界條件變化引起的邊界非線性等。
　　 其次介紹了信息熵的基本理論及相關性質，并定義了小波時間熵，介紹了相關的計算方法。以單自由度系統(tǒng)為例，計算在脈沖激勵作用下線性系統(tǒng)和非線

3、性系統(tǒng)的加速度響應，計算其對應的小波時間熵值，并以此作為分析指標。通過分析比較單自由度系統(tǒng)加速度響應的小波時間熵曲線，運用小波時間熵很好地識別單自由度系統(tǒng)的非線性及非線性程度。
　　 本文在簡支梁數值模擬中，建立考慮“呼吸”效應的裂縫模型。裂縫在振動過程中的“開合”影響簡支梁剛度，并由此加強了鋼筋混凝土簡支梁的非線性。本模型以接觸的幾何非線性模擬實際使用過程中簡支梁的裂縫開合情況，算得簡支梁在脈沖激勵作用下的加速度響應，并計算出

4、相對小波熵值，通過熵值曲線可以有效判斷簡支梁是否發(fā)生損傷，并且能大概判斷損傷的位置及損傷程度，但是其缺點是不能準確定位及定量確定損傷程度。
　　 最后，為了能夠準確的判斷簡支梁的損傷位置及損傷程度，本文構建了BP神經網絡，利用BP神經網絡較強的非線性能力以及容錯性進行判斷。當不同深度裂縫出現在不同位置時，采集各節(jié)點的加速度響應，并計算損傷梁對應完好梁的相對小波熵值，以此作為輸入來訓練BP神經網絡。從識別結果來看，通過BP神經網絡