( X11 ) 学校代码: 11517 学号: 201110810132 HENAN INSTITUTE OF ENGINEERING 文献翻译学生姓名专业班级土木工程 1141 班学号学院土木工程学院指导教师( 职称)( 工程师) 完成时间 2015 年3月 27日应用人工神经网络和遗传算法检测三层钢框架的结构损伤应用人工神经网络和遗传算法检测三层钢框架的结构损伤 Department of Civil Engineering,Akdeniz University,07058 Antalya 摘要: 本文通过讨论、实验研究, 应用人工神经网络和遗传算法相结合的方法进行结构损伤的识别。一个小规模的三层空间钢框架的仪器由 12个加速度计组成,切割它的一列就在第一层,加速度引起的环境振动导致框架逐渐损坏,通过神经网络方法检测每一个模态参数(固有频率—CIES 和模态形状)的钢框架的损伤程度。然后用遗传算法检测实验测量和钢的有限元模型计算之间的差异。关键词: 钢框架结构;损伤检测; 运行模态分析;人工神经网络;遗传算法 1 引言近几十年来损伤检测与现有的建筑安全评价吸引了科学界的兴趣。一个开创性的分类,赖特尔在 1993 年底制定[1],确定损伤评估的四个层次,即(1)结构在水平的损伤存在检测;(2)对沉积的定位损伤;(3)评估(量化)的损坏的程度;(4 )预测(估计)的剩余使用寿命。因为从一级以下的人有必要知道以前,每一级的伤害是连接到其他层次。本文提出的损伤中识别方法,广泛的一类方法基于有限元( FE )模型修正[2–5]。aFE 该结构模型的参数通过最小化后发现在定义目标函数的实验测得的数据与结构的实际差异。有限元模型计算[6–8]通过优化策略在适当的定义目标函数的有限元模型修正过程可用于毁伤评估级三级。调整后(即损害的评估),该模型可以模拟为实际行为结构,因此可以预测建筑物响应于服务和特殊荷载(如地震)。在这方面,适当的数值建模,实验装置的合理设计,实验参数的精确识别,目标误差函数和适当的发现全球最小的算法, 可能会影响整个损伤识别。确定实际结构的一种有效方法行为评估,通过动态试验,模态频率和相应的模态。自损伤引起的结构参数变化,如作为一个结构构件的刚度,从而修改动态性能[7] 相关的部分识别技术涉及的测量使用—确定结构响应的动态激励下。基于非破坏性的损伤识别振动—阳离子的方法已成功地应用于数值模拟和实验研应用人工神经网络和遗传算法检测三层钢框架的结构损伤究过剩。它应该被召回,证明 salawu 在一个开创性的论文[9],在使用一个评论损伤诊断模态频率的变化提出了频率的变化,这可能不是足够的高层次损伤评估由于事实上,两个不同位置的损伤沿结构使自然的改变此外,环境和操作的频率。的变化,如不同的温度,湿度,和加载条件影响的动态响应结构和可以掩盖微妙的结构变化由损伤引起[7-10]。所有这些因素结合在一起,与损害事实是典型的局部现象—同时,可能不会明显影响全球在较低的频率对结构响应(这是在振动试验测得的),通常必须仔细检查,考虑通过测试程序的一致性和可靠性在实验研究的设计。本文通过一个实验性的调查和讨论损伤评估管理问题, —导管在一三层高的缩尺钢结构建立在测试实验室(TL)的部门对佛罗伦萨大学(意大利)土木与环境工程。代表了一个基准问题的有效类型介绍—了由 ASCE SHM 任务组比 10 年前,和仍在使用的最近的文件出版[12] 。结构进行了环境从实际出发云潭—配置和实施步骤,提高老年通过对钢柱的增量减少损伤程度。随后,在第二部分中, 四的频率—相关的指标,其定义是基于的光谱张量特性记录的信号,并采用对于结构存在的似然函数共振。人工神经网络(ANN )馈用四个指标评估采用 eigenfre —在每一个频率和本征模的钢框架危害程度。模态数据,评估协议—对输出的框架,采用建立目标函数中要使用的铁更新过程评估实施模型损伤。许多研究表明, 在过去的几十年来,人工智能的效率算法如遗传算法( GA )最小化问题。在 GA 的鲁棒全局优化技术,他们已经成功地应用于解决一大类结构—在工程领域中的文化问题。遗传算法,在本文的第三部分,最终采用最小化目标函数,和他们的能力确定损坏的区域(位置和扩展)是通过比较与讨论实验(如损害是众所周知的)。通过一个典型的基准的讨论探讨了基于人工神经网络的组合方法和遗传算法的结构损伤评估,实验数据和有限元模型的结果之间的差异需要一个适当的定义。2 试验布置 基准一三层钢结构的研究结构(图1)异形元件建立。平面钢框架的尺寸为 × m的;在第一层的高度是 米,而 米第三层第二层 。总高度应用人工神经网络和遗传算法检测三层钢框架的结构损伤结构材料成型 米。元素
黑风捏 来自淘豆网m.daumloan.com转载请标明出处.
