基于神经网络的土木工程结构损伤识别研究

　　摘 要：本文从土木工程结构损伤识别出发，撂索神经一络在土木工程结构损伤识别中的运用。论文t先一连人工神经一络在土木工程结构损伤识别中应用的可行性。然后吴体分析了基于人工神经一络技术的结构损伤识别。
　　
　　关键词：土木工程 神经网络 结构损伤 识别
　　
　　
　　
　　自从上世纪50年代以来，人们就意识到结构安全监测的重要性，但由于早期的监测手段比较落后，所以在应用上一直受到相当的限制。近年来随着现代测试，分析技术，计算机技术，数学理论及无线通讯技术的进步及相互融合，极大地促进了结构健康监测系统的初步完善并在实际土木工程结构中得到应用。
　　然而，由于土木工程结构中的不确定因素和复杂的工作环境、测量仪器的精度不够、耐久性和稳定性差、信号处理中的噪声干扰以及缺乏有效实用的损伤指标等诸多因素的影响，目前世界上还没有建立一套完全满足结构监测需要的长期健康监测系统。
　　
　　
　　1 人工神经网络在土木工程结构损伤识别应用可行性
　　
　　在土木工程中，旧有建筑物(结构)在经历一段较长时间或受到某种灾害(如火灾、地震)作用后，往往会受到不同程度的破坏或损伤，由于结构的病害而引起结构几何尺寸和材料性能的变化，也会降低结构的安全性．适用性和耐久性。影响结构破损状态评估的因素很多，一般可分为三方面：随机因素、模糊性因素和信息不完备性。这些因素严重地影响了人们对损伤检测与诊断的正确分析与决策。
　　神经网络是对人脑生物神经网络的一种简化，它对信息的存贮也是通过并行分布的结构来进行的，也具有生物神经网络的特征，对信息的处理采用直觉联想式而非逻辑推理式。网络通过权值记下所学过的样本知识并掌握输入、输出之间复杂的非线性关系。由于神经网络对输入节点没有限制，这样神经网络技术就可用来解决土木工程领域的结构近似分析、结构优化、损伤检测的模式匹配与直觉联想等问题。神经元中的激活函数本身可以选用非线性函数，因而它能处理非常复杂的非线性问题；而网络对大量样本的适用性决定了本领域知识容量大的适用性；神经网络具有自适应的能力，能够通过训练学习，获得隐含在样本数据内部的输入与输出之间的隐性关系，神经网络还具有联想、记忆及模式匹配的能力，能够存储学习过程中的经验知识，然后将此信息与实测数据进行模式匹配与比较；神经网络具有抽取，归纳的能力，它能够滤出噪声及在有噪声情况下抽取事物本身内在的特征，得出正确的结论，因而它比较适合对具有大量噪声和测量误差的结构进行在线健康检测与状态评估。
　　BP神经网络结构网络是运用比较多的，也是可以在土木工程中应用的人工神经网络。这种网络不仅有输入层节点，输出层节点，而且有一层或多层隐含节点。对于输入信息要先向前传播到隐含层的节点上，经过各单元激活函数(又称作用函数，转换函数和映射函数等)运算后，把隐含节点的输出信息传播到输出节点，最后给出输出结果。网络的学习过程由正向和反向传播两部分组成，在正向传播过程中，每一层神经元的状态只影响下一层神经网络。如果输出层不能得到期望输出，就是实际输出与期望输出之间有误差，那么转入反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播进行计算，再经过正向传播过程，这两个过程的反复运用，使得误差信号达到最小。实际上，误差达到人们所希望的要求时，网络的学习过程就结束。
　　
　　
　　2 基于人工神经网络技术的结构损伤识别
　　
　　对结构进行损伤识别是一个运用数学模型建立描述物理系统的过程，对于遭受不同程度破坏的结构，其本身的某些特性往往发生变化。在某个位置出现的损伤导致了结构某些特性的改变，它们可以作为特定的损伤指标。运用有限单元法可以对不同损伤引起损伤指标的改变进行计算并保存在数据库系统中，通过将实测损伤指标的变化与储存在数据库中可能的损伤指标的变化进行损伤模式的比较与匹配，来识别损伤。运用神经网络进行结构损伤检测就是这样一种模式匹配，它包括训练阶段和检验阶段，训练阶段就是建立损伤模式数据库的过程，检验阶段就是损伤模式匪配的过程。虽然神经网络并非专为损伤识别设计的，但由于神经网络本身就具有模式匹配的能力，使得它成为损伤识别的一种工具。
　　此外，神经网络本身就是一个输入输出的映射函数关系，它具有分辨结构损伤原因及结构损伤类型的能力。本文提出基于结构动力响应统计特征的结构损伤识别人工神经网络方法。以结构动力响应统计特征作为神经网络的输入，以结构的损伤状态(位置和程度)作为神经网络的输出。使用已知的结构损伤样本对神经网络进行训练，建立输入(损伤指标)与输出(结构损伤)间的函数映射关系，使其具有结构损伤识别的能力。使用训练好的神经网络进行损伤识别就是模式匹配的过程，通过将损伤结构的损伤指标的变化与神经网络所记录的结构可能损伤时损伤指标变化相匹配，从而获得结构中损伤的位置和程度。
　　这里需要强调的是，对于结构中单损伤工况，人工神经网络可以准确地识别损伤位置及损伤程度。当考虑损伤识别过程中的不确定性时，人工神经网络同样能够根据含有误差的结构动态响应统计特征准确识别结构中损伤程度。而对于结构中复杂的多损伤工况，采用子结构损伤识别的方法，分为损伤初步定位，损伤精确定位和损伤程度识别。在每一步中分别建立神经网络进行损伤识别。在每一步损伤识别过程中，神经网络都能够准确地识别出结构损伤。