基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷檢測(cè)方法的研究.pdf

1、結(jié)構(gòu)的損傷會(huì)對(duì)結(jié)構(gòu)造成災(zāi)難性的后果，成為威脅現(xiàn)代機(jī)械不間斷運(yùn)行的重要因素。所以，對(duì)結(jié)構(gòu)進(jìn)行損傷檢測(cè)己成為科學(xué)研究的熱點(diǎn)。目前有大量地?fù)p傷檢測(cè)方法已經(jīng)被提出并應(yīng)用于結(jié)構(gòu)損傷檢測(cè)領(lǐng)域，其中應(yīng)用最為廣泛的是基于振動(dòng)分析的檢測(cè)方法。以此為基礎(chǔ)，本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷檢測(cè)方法。由于結(jié)構(gòu)在損傷時(shí)往往伴隨其內(nèi)部能量分布的變化，而對(duì)采集的結(jié)構(gòu)信號(hào)進(jìn)行短時(shí)傅立葉變換，得到的二維時(shí)-頻譜圖能反映出結(jié)構(gòu)的能量分布。
　　 本文提出了用短

2、時(shí)傅立葉變換(STFT)和脈沖禍合神經(jīng)網(wǎng)絡(luò)(PCNN)相結(jié)合的方法來(lái)提取信號(hào)的特征，并將該特征信號(hào)用來(lái)訓(xùn)練自組織特征映射(SOM)神經(jīng)網(wǎng)絡(luò)，以便完成對(duì)結(jié)構(gòu)損傷的分類(lèi)和識(shí)別。本文介紹了短時(shí)傅立葉變換、PCNN、小波閩值消噪和SOM神經(jīng)網(wǎng)絡(luò)的基本原理，并重點(diǎn)介紹了PCNN模型在圖像特征提取中的應(yīng)用。文中通過(guò)用PCNN模型對(duì)三幅圖像進(jìn)行嫡序列特征提取的例子，說(shuō)明了PCNN模型對(duì)不同圖像提取出的嫡序列特征有其唯一性，且具有一定的抗噪性，可將其用

3、于識(shí)別圖像，進(jìn)而說(shuō)明了將PCNN用于提取譜圖的特征和識(shí)別損傷是有理論依據(jù)的。本文給出了三種不同損傷狀況的簡(jiǎn)支梁在隨機(jī)白噪聲激勵(lì)條件下的實(shí)驗(yàn)步驟。對(duì)采集的加速度信號(hào)數(shù)據(jù)進(jìn)行了短時(shí)傅立葉變換，用PCNN對(duì)得到的能量譜圖進(jìn)行了特征提取，并用經(jīng)過(guò)特征信號(hào)訓(xùn)練過(guò)的SOM神經(jīng)網(wǎng)絡(luò)對(duì)簡(jiǎn)支梁的損傷作了分類(lèi)檢測(cè)，以此驗(yàn)證了所提方法的可行性和有效性?？傮w來(lái)說(shuō)，本文通過(guò)理論的分析和實(shí)驗(yàn)的驗(yàn)證，成功地將短時(shí)傅立葉變換和PCNN在圖像特征提取中的理論應(yīng)用在了簡(jiǎn)支