基于动力检测和智能算法的空间网格结构损伤识别研究

Spatial grid structure is a basic form of spatial structures, during the life cycle, its performance would be inevitably affected by various external factors and cause cumulative damage. Then, the structural reliability will be degenerated and extreme cases will lead to catastrophic emergencies. Therefore, it is necessary to carry out damage detection and diagnosis on spatial grid structures in order to find hidden danger aspects and prevent the occurrence of structural collapse accident. The spatial grid structure is chosen as the main research object of this project. Considering the dense lower frequency modes of spatial structures, a new wavelet analysis method is studied to analyze the dynamic testing data collected from spatial structures by ambient excitation and form a set of spatial grid structure modal parameter identification methods. Since the BP neural network is easily to fall into local optimum, the particle swarm optimization algorithm is used to improve the searching ability and calculation ability of the BP neural network. The modified BP neural network will be used as a method of damage identification. Finally, the optimization problem of structural model update is established by choosing proper damage factors. This problem will be solved by choosing proper weight factors for different object functions and modified BP neural network. Therefore, the finite element model is updated and the damage identification of spatial grid structures is realized.

空间网格结构是空间结构的一种基本形式，其使用期中不可避免地遭受到多种外界因素的影响，产生损伤累积，导致结构抗力衰减，极端情况下就会引发出灾难性突发事件。因此，对于空间网格结构进行损伤检测与诊断，可以及时发现隐患，防止结构倒塌事故的发生。本项目以空间网格结构为主要研究对象，针对空间网格结构低频模态密集的情况，提出小波参数的选择具体方法，对采集到的基于环境激励的动力检测数据进行分析，以形成一套完善的空间网格结构模态参数识别的方法。采用粒子群优化算法完善BP神经网络的计算能力，弥补BP网络易陷入局部最优值的缺点，将其作为损伤识别的一种手段。最终，研究选取合适的损伤因素建立结构模型修正的优化问题，通过解决同时使用若干个目标函数的权重问题，结合结构动力分析模态参数的特点，通过基于粒子群优化的神经网络实现有限元模型更新，达到实现空间网格结构的损伤识别的目标。

空间网格结构是空间结构的一种基本形式，其使用期中不可避免地遭受到多种外界因素的影响，产生损伤累积，导致结构抗力衰减，极端情况下就会引发出灾难性突发事件。本课题以空间网格结构为主要研究对象，结合健康监测中的实际需求提出了一种实时去除趋势项的方法，极大的改善了监测数据的信号质量。在此基础上，针对空间网格结构低频模态密集的情况，通过结合最小标准差原则和最小Shannon熵原则两种小波参数选取方法，给出了一种最优小波参数选取方法，对采集到的基于环境激励的动力检测数据进行分析。提出了粒子群神经网络，利用粒子群优化算法全局搜索性能，提高了神经网络的分类识别性能。最终结合结构损伤特征和有限元模型，提出了基于标准化频率平方变化率及标准化位移振型的组合参数的空间网格结构损伤特征参数的二阶段结构损伤识别方法，通过神经网络良好地分类识别性能，完成网格结构的损伤识别。人工损伤网架结构损伤识别试验表明，该方法可以准确识别出各损伤杆件的具体位置，基本能准确地识别出杆件的损伤程度，可以适用于空间网格结构结构单杆件损伤识别和定位情况，达到基于动力检测实现空间网格结构损伤识别的目的。

内容获取失败，请点击重试