自適應(yīng)神經(jīng)智能方法及其在結(jié)構(gòu)損傷診斷中的應(yīng)用.pdf

1、本文在總結(jié)回顧以前工作的基礎(chǔ)上,主要開(kāi)展了如下4個(gè)方面的工作:(1)當(dāng)結(jié)構(gòu)發(fā)生損傷時(shí),在損傷處,其模態(tài)振型或其高階導(dǎo)數(shù)不連續(xù)即存在奇異,這種奇異性可以通過(guò)尋找其小波變換模極大在細(xì)尺度下的收斂的橫坐標(biāo)來(lái)檢測(cè),奇異性位置即對(duì)應(yīng)結(jié)構(gòu)中的損傷位置;為了對(duì)損傷程度進(jìn)行診斷,利用神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線(xiàn)性映射能力來(lái)模擬小波變換模極大和損傷程度之間的非線(xiàn)性關(guān)系,采用db2小波對(duì)模態(tài)振型進(jìn)行離散小波變換,將多個(gè)尺度下小波變換模極大值進(jìn)行歸一處理后,作為BP網(wǎng)

2、絡(luò)的輸入?yún)?shù),輸出為結(jié)構(gòu)的損傷程度.(2)根據(jù)利用模態(tài)曲率進(jìn)行損傷檢測(cè)的原理,采用具有二階消失矩的墨西哥草帽小波對(duì)結(jié)構(gòu)在健康和損傷狀態(tài)下的模態(tài)振型差進(jìn)行連續(xù)小波變換,由此提出了表示損傷位置的指標(biāo).即相當(dāng)于先用高斯函數(shù)對(duì)模態(tài)振型差進(jìn)行平滑處理,然后對(duì)平滑后的模態(tài)振型差求解二階導(dǎo)數(shù),通過(guò)尋找小波變換模極大在細(xì)尺度下收斂的橫坐標(biāo)來(lái)檢測(cè)損傷位置.根據(jù)Lipschitz指數(shù)與小波變換模極大的關(guān)系,討論了損傷程度與Lipschitz指數(shù)的關(guān)系.(3