论文部分内容阅读
大型复杂结构在其服役期间,由于受到自然环境的侵蚀以及各种灾害等多种复杂因素的影响,必将会导致结构产生不同程度的损伤。因此,对结构损伤进行识别以及正确评价、修复对减少生命财产损失意义重大。近年来,一些学者提出了基于模态参数的结构损伤识别方法,由于模态参数受环境(如温度、湿度等)、测试信息不完备及结构本身不确定性的影响很大,故应用于工程实际的很少;有学者提出了以非模态参数为基础的结构损伤识别方法,但是这种方法是以人工激励为输入的。海洋平台等大型结构其结构复杂、体积庞大、造价昂贵,所处的环境恶劣,人工激励难以施加,环境激励难以测试,针对上述难题,在不需要测试人工输入的情况下,本文直接利用加速度响应和BP神经网络对海洋平台结构进行损伤识别研究。(1)本文直接利用白噪声激励下获得的结构两点的加速度响应构造虚拟脉冲响应函数,对其幅值进行小波包分解并计算其节点能量。以结构损伤前后的小波包节点能量变化量作为损伤特征向量,利用BP神经网络的模式识别功能进行结构损伤识别,同时考虑了不同程度的噪声对损伤识别的影响。海洋平台结构单损伤和多损伤的数值模拟结果表明,当结构损伤程度较大时,该方法是可行的并且具有较强的噪声鲁棒性。海洋平台模型实验验证了该方法的有效性。(2)本文直接利用白噪声激励下获得的结构两点的加速度响应构造虚拟频响函数,对其幅值进行主成分分析,将结构损伤前后不同节点的主成分变化量组合作为结构损伤特征向量,利用BP神经网络的模式识别功能进行结构损伤识别,同时考虑了不同程度的噪声对损伤识别的影响。海洋平台结构单损伤和多损伤的数值模拟结果表明,该方法能识别不同程度的结构损伤并且具有一定的噪声鲁棒性。海洋平台模型实验验证了该方法的有效性。