基于人工神经网络和ARMA模型的结构参数识别方法研究

摘要

由于工程结构材料自身的老化、环境因素的影响、缺乏正常维护、使用荷载的变化和结构损伤累积，大量工业与民用建筑和各种社会基础设施在长期的服役过程中不可避免地存在性能退化和在极端情况下失效引发突发性灾难的可能性。基于结构的监测数据，对其使用性能和安全性进行评估已经成为国际土木工程界面临的一项紧迫课题，结构参数识别是其关键和核心问题之一。 作为一种非参数模型化方法，人工神经网络具有以任意精度逼近任何线性和非线性函数关系的能力而在土木工程结构的时域识别和模型化中得到了广泛的应用。另一方面，作为一种时域线性回归方法，自回归滑动平均模型(ARMA模型)也可被用于识别的结构参数识别。本文通过结构运动方程的离散解证明了人工神经网络和ARMA模型的等效性，提出了一种基于神经网络和ARMA模型的新的参数识别方法，通过数值模拟和实验室模型试验验证了该方法的可靠性。 本文的主要内容如下： 1.在回顾典型的结构参数识别方法的基础上，介绍人工神经网络和ARMA模型这两种时域识别方法的原理。通过结构运动方程的离散解证明了它们具有相同的物理意义。 2.提出了一种基于神经网络和ARMA模型直接运用激励和结构动力响应时间序列的新型结构参数识别方法。对本方法的实现过程进行了阐述，并用MATLAB编制了相关的程序。 3.通过一个多自由度数值模型在各种不同形式激励下的加速度响应和激励力时间序列，识别了模型结构的参数，验证了本方法的可行性。数值模拟结果表明，该方法可以较为精确识别结构的刚度、阻尼参数。 4.运用一个框架结构模型的锤击试验的实测动力响应时间序列和力锤锤击力信号识别了该结构模型的结构刚度、阻尼参数。通过比较表明该方法具有较高的识别精度，识别结果可靠。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究的背景及意义

1.2结构参数识别方法

1.2.1频域识别方法

1.2.2时频域识别方法

1.2.3时域识别方法

1.3本文主要研究工作与内容

第2章两种典型的基于时间序列结构模型化方法

2.1人工神经网络原理

2.1.1神经网络的特点

2.1.2神经元模型

2.1.3神经网络结构与学习算法

2.1.4典型神经网络结构模型

2.1.5 BP神经网络模型

2.2人工神经网络的应用

2.3 ARMA模型的原理

2.3.1 ARMA模型

2.3.2 ARMA模型的物理解释

2.4 ARMA模型的应用

2.4.1 ARMA模型的研究应用

2.4.2 ARMA模型的优势

第3章两种模型的等效性及新型时域参数识别方法

3.1用于结构动力系统识别的ARMA模型

3.2人工神经网络非参数模型以及两种模型的等效性

3.3基于神经网络和ARMA模型的新型识别方法

第4章基于神经网络和ARMA模型的参数识别方法的数值模拟验证

4.1数值计算模型及响应数据的计算

4.1.1数值计算模型

4.1.2数值模型响应计算

4.2数值模拟验证

4.2.1正弦激励下的参数识别

4.2.2力锤锤击下的参数识别

4.2.3随机激励下的参数识别

4.3本章小结

第5章基于神经网络和ARMA模型的参数识别方法的试验验证

5.1模型结构与振动试验

5.2模型结构的动力特性测量

5.3力锤激励下的结构参数识别

5.3.1结构第四层一次激励工况下的识别结果

5.3.2结构第三层一次激励工况下的识别结果

5.3.3结构第四层三次激励工况下的识别结果

5.4本章小结

结语

参考文献

致谢

附录: