随着国内经济的不断发展,以大跨网架结构为代表的各类大规模工程建设项目在国内各地不断涌现,特别是在一些大型厂房、大型装备维修车间等工业项目,以及大型购物中心、会展中心、图书馆等民用项目中,空间网架结构的运用愈发广泛。在这些结构的使用过程中,在包括设备运行等内部激励、风雪地震等外部激励的共同作用下,结构可能会产生螺栓松动、杆件弯曲甚至局部微小断裂等各类我们用肉眼无法观察到的损伤。如果这些损伤不能及时发现并采取措施加以修复,它们就会随着时间的推移逐步积累,并在结构使用的某个时间点突然“爆发”,引起结构的局部甚至整体倒塌,威胁到人民群众的生命和财产的安全。因此,对处于工作状态下的结构定期进行损伤识别,及时发现结构的缺陷,并对其进行修复措施,就成为了消除结构安全隐患的有力措施。本文在目前结构损伤领域的研究成果基础上,提出了基于径向基神经网络与经验模式分解相结合的大跨网架结构损伤识别方法。首先利用经验模式分解(,)方法将杆端节点的振动响应数据分解为一系列的本征模态函数(,)。对于结构的原始响应信号而言,利用方法将其分解之后,结构的损伤信息和信号中的其他有用信息就会被分解到各个分量之中,由于分量包含的信号尺度较为简单,损伤信息很难被其他干扰信号所淹没,因此分量之中的损伤信息就显得十分明显。利用神经网络极强的线性映射能力,将分量作为输入数据输入到神经网络中,并将输出值与理想数据相对比,即可得知结构的损伤状况。同时,本文还将未经分解的结构原始响应信号作为输入数据输入到神经网络中,并将所得结果与前种方法所得结果进行对比,以体现所提出方法的优越性。本文以北京建筑大学结构实验室网架结构为基础进行数值模拟与实验分析。为了模拟大跨空间网架结构在实际工作状态下所受到的随机激励,本文利用小车在网架结构上弦节点行走来对结构施加激励,同时获取网架球节点处的振动响应数据作为损伤检测的特征值。数值模拟过程中,为了提高损伤识别的准确性,将结构杆件划分为上弦杆、下弦杆、腹杆三类。同时,构造了单杆损伤、多杆损伤、不同程度损伤等三大类损伤模式。在单损伤工况中,对于每类杆件分别选取了三根标号不同的杆件进行识别;多损伤工况中,则分别构造了同类杆组合与异类杆组合两类六种损伤工况;在损伤程度识别工况中,分别选取了三根不同类型杆件分别构造30%、50%、70%三种不同的损伤程度。同时,在识别结果中同时分析比较了将分量作为输入数据的识别结果与将原始数据作为输入数据的识别结果。在实验分析阶段,利用焊接角钢小车作为激励源,两根槽钢焊接在网架上弦节点上作为小车运行的轨道,人工牵引小车在轨道上进行往复运动。受实验条件所限,只构造了单杆损伤与双杆损伤两类工况,利用布置在球节点上的加速度传感器获取节点振动响应数据,同样在识别结果中对比了两类网络输入所得到的不同识别结果。通过数值模拟与实验分析两阶段的对比分析可知,利用与神经网络相结合的损伤识别方法可以较为准确地识别出各类工况的损伤状况。同时,通过对比两类输入数据的神经网络亦可知:基于分量的作为输入数据的神经网络相比于基于原始数据作为输入数据的网络在大跨网架结构的损伤识别上具有更高的精度,因此本文所提出的方法具有一定的工程实践意义。