管德清，廖俊文，吳　兆

(長沙理工大學(xué)土木與建筑學(xué)院，湖南 長沙 410004)

?

基于應(yīng)變模態(tài)小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識別方法

管德清，廖俊文，吳兆

(長沙理工大學(xué)土木與建筑學(xué)院，湖南 長沙 410004)

摘要：以框架結(jié)構(gòu)為研究對象，利用小波分析和神經(jīng)網(wǎng)絡(luò)理論，結(jié)合二者的優(yōu)點(diǎn)，運(yùn)用小波分析來確定框架結(jié)構(gòu)的損傷位置，運(yùn)用神經(jīng)網(wǎng)絡(luò)算法來識別損傷程度，給出了基于應(yīng)變模態(tài)參數(shù)識別框架結(jié)構(gòu)損傷的原理，建立了一種識別結(jié)構(gòu)損傷的小波神經(jīng)網(wǎng)絡(luò)方法.通過建立基于振型模態(tài)和應(yīng)變模態(tài)的損傷識別方法，分別對9種不同工況下框架的裂縫位置進(jìn)行識別，并對比了這2種模態(tài)下?lián)p傷位置的識別效果.然后，分別對框架的振型模態(tài)和應(yīng)變模態(tài)進(jìn)行連續(xù)小波變換，獲得2種模態(tài)參數(shù)下的小波系數(shù)模極大值.利用神經(jīng)網(wǎng)絡(luò)去模擬小波系數(shù)模極大值與損傷程度之間的非線性關(guān)系來識別結(jié)構(gòu)的損傷程度，并對比了這2種模態(tài)下?lián)p傷程度的識別效果.數(shù)值分析結(jié)果表明，小波神經(jīng)網(wǎng)絡(luò)可以有效地識別出結(jié)構(gòu)的損傷位置和損傷程度，基于應(yīng)變模態(tài)的損傷識別方法具有更好的準(zhǔn)確性.

關(guān)鍵詞：框架；小波變換；BP神經(jīng)網(wǎng)絡(luò)；結(jié)構(gòu)損傷；應(yīng)變模態(tài)；振型模態(tài)

框架結(jié)構(gòu)由于其自身適合大規(guī)模施工、工程質(zhì)量高和效率高等優(yōu)越性，已成為現(xiàn)代建筑結(jié)構(gòu)中應(yīng)用最基本的結(jié)構(gòu)形式之一.結(jié)構(gòu)在使用過程中受到外荷載作用和材料老化的影響，會(huì)造成結(jié)構(gòu)的損傷和抗力衰減，甚至導(dǎo)致結(jié)構(gòu)整體破壞，引起災(zāi)難性事故的發(fā)生.因此，研究框架結(jié)構(gòu)的損傷識別方法具有重要的理論意義和工程應(yīng)用價(jià)值.

文獻(xiàn)[1]提出了基于應(yīng)變模態(tài)的損傷識別方法，對一框架結(jié)構(gòu)的損傷進(jìn)行了有效識別，結(jié)果表明，應(yīng)變模態(tài)具有良好的靈敏性，能夠準(zhǔn)確地識別出結(jié)構(gòu)的損傷位置，其試驗(yàn)精度在允許范圍內(nèi)具有很好的可靠性.文獻(xiàn)[2]以板結(jié)構(gòu)為研究對象，利用應(yīng)變模態(tài)進(jìn)行損傷診斷，提出了應(yīng)變曲線指標(biāo)法，可確定結(jié)構(gòu)的損傷位置，并經(jīng)過實(shí)驗(yàn)分析，驗(yàn)證了該方法的有效性.文獻(xiàn)[3]對混凝土框架進(jìn)行模態(tài)試驗(yàn)，結(jié)果表明，第1階應(yīng)變模態(tài)識別損傷具有良好的穩(wěn)健性和靈敏性，且一階應(yīng)變模態(tài)可以界定結(jié)構(gòu)局部損傷，準(zhǔn)確指出損傷部位.文獻(xiàn)[4]對框架結(jié)構(gòu)進(jìn)行應(yīng)變模態(tài)下小波變換，經(jīng)過去噪處理，由小波系數(shù)的模極大值確定識別結(jié)構(gòu)的損傷位置.

通常，結(jié)構(gòu)的損傷識別包括確定結(jié)構(gòu)的損傷位置和損傷程度.現(xiàn)有研究表明，目前對于損傷位置的識別已取得了許多有益的研究成果，而對于結(jié)構(gòu)損傷程度的研究仍然很不夠.與此同時(shí)，目前大多都是利用結(jié)構(gòu)損傷前后固有振型的變化損傷定位，但是在實(shí)際工程應(yīng)用過程中存在一些局限性，如測量的振型難以完整、測量值誤差較大和易受噪聲干擾等，這些因素都在不同程度上影響了識別的精度.為此，筆者將應(yīng)變模態(tài)小波變換與神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立了一種既能識別結(jié)構(gòu)損傷位置又能確定損傷程度的結(jié)構(gòu)損傷識別方法.為突出應(yīng)變模態(tài)的優(yōu)越性和所建立小波神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性，同時(shí)利用振型參數(shù)對同一框架結(jié)構(gòu)進(jìn)行識別，通過對比分析，驗(yàn)證該方法的正確性.

1基于應(yīng)變模態(tài)小波損傷的識別原理

小波變換的定義是，將某一被稱為基本小波的函數(shù)ψ(t)作位移τ后，再在不同尺度a下與待分析的信號x(t)作內(nèi)積：

(1)

其中：a為尺度因子，反映信號頻率；τ為平移因子，反映時(shí)間信息；a,τ,t∈R且a≠0.隨著a,τ的變換，小波變換具有多分辨的特點(diǎn).

由力學(xué)可知，應(yīng)變是位移的一階導(dǎo)數(shù)，每一階位移模態(tài)都有與其相對應(yīng)的固有應(yīng)變分布狀態(tài)，將這種與位移模態(tài)相對應(yīng)的固有應(yīng)力分布狀態(tài)稱之為應(yīng)變模態(tài).那么，承受構(gòu)件彎曲振動(dòng)的固有變形模態(tài)稱之為曲率模態(tài)[5].

以單跨簡支梁(圖1)為例，假設(shè)該梁質(zhì)量分布均勻.若梁發(fā)生橫向振動(dòng)時(shí)，其彈性曲線上任意點(diǎn)的撓度y可以用函數(shù)y=f(x，t)來表示，x為橫坐標(biāo)，t為時(shí)間，則梁自由振動(dòng)的運(yùn)動(dòng)微分方程為

(2)

圖1　簡支梁示意

其中梁在時(shí)刻t上坐標(biāo)x處的撓度為f(x，t)，抗彎剛度為EI(x).

對(2)式進(jìn)行分離變量，其解的形式為

f(x，t)=F(x)T(t)，

(3)

其中諧波T(t)是由時(shí)間t構(gòu)成的函數(shù)，振型F(x)是由坐標(biāo)x構(gòu)成的函數(shù).(3)式經(jīng)疊加以后，可表示為

(4)

由(4)式可知，φr(x)為第r階振型函數(shù)，qr(t)則為對應(yīng)的第r階主坐標(biāo).

(5)

其中h為截面上測點(diǎn)距中性層的距離，u為x方向上的變形.

當(dāng)結(jié)構(gòu)某處出現(xiàn)損傷，該處截面剛度EI下降，必將導(dǎo)致曲率發(fā)生突變，由(5)式可知，應(yīng)變也將會(huì)隨曲率線性變化.因此，在結(jié)構(gòu)損傷位置處必將存在奇異點(diǎn)，根據(jù)奇異點(diǎn)檢測理論，小波變換系數(shù)在損傷處出現(xiàn)局部模極大值.對含損傷結(jié)構(gòu)進(jìn)行應(yīng)變模態(tài)的連續(xù)小波變換，由小波系數(shù)模極大值的位置可確定損傷位置.

圖2　BP神經(jīng)網(wǎng)絡(luò)正向傳播

BP神經(jīng)網(wǎng)絡(luò)分別是由輸入層、隱層和輸出節(jié)點(diǎn)構(gòu)成，隱層分為單層和多層2類，如圖2所示.圖2中x為網(wǎng)絡(luò)輸入向量，y為網(wǎng)絡(luò)輸出向量，不同的節(jié)點(diǎn)表示為不同的神經(jīng)元.

設(shè)BP網(wǎng)絡(luò)的輸入層有n個(gè)節(jié)點(diǎn)，隱層含有q個(gè)節(jié)點(diǎn)，輸出層有m個(gè)節(jié)點(diǎn)，輸入層與隱層之間的權(quán)值為vki，隱層與輸出層之間的權(quán)值為wjk，則隱層節(jié)點(diǎn)的輸出為

神經(jīng)網(wǎng)絡(luò)應(yīng)用于結(jié)構(gòu)的損傷檢測過程中，可利用頻率、振型和應(yīng)變等損傷指標(biāo)作為輸入向量構(gòu)造神經(jīng)網(wǎng)絡(luò)，則輸出向量就是該結(jié)構(gòu)的損傷位置或者程度向量.以此為基礎(chǔ)，利用裂縫深度與截面高度的不同比值來模擬結(jié)構(gòu)的損傷程度，在多尺度下對含損傷框架結(jié)構(gòu)進(jìn)行應(yīng)變模態(tài)的連續(xù)小波變換，將小波系數(shù)模極大值作為BP神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)構(gòu)造神經(jīng)網(wǎng)絡(luò)，通過損傷程度與小波系數(shù)模極大值之間的非線性關(guān)系，由神經(jīng)網(wǎng)絡(luò)的輸出參數(shù)來確定結(jié)構(gòu)的損傷程度.

2構(gòu)造有限元模型

圖3　含損傷的框架結(jié)構(gòu)模型

以一層一跨框架為研究對象，建立有限元模型并在其上模擬損傷.如圖3所示，該框架結(jié)構(gòu)梁柱截面相等，柱與地的連接簡化為固接，梁柱之間的連接為剛接.相關(guān)參數(shù)為：該結(jié)構(gòu)的高度3 000mm，跨度4 000mm，截面尺寸b=30mm,h=60mm,材料Q235,泊松比μ=0.3，彈性模量E=2.07×1011N/mm2，密度ρ=7 800kg/m3，d為裂紋的深度用Beam3單元對框架結(jié)構(gòu)進(jìn)行剖分.利用有限單元法分析框架的動(dòng)力特性時(shí)，將框架結(jié)構(gòu)劃等分為500個(gè)單元，每個(gè)單元中心點(diǎn)的間距為20mm，按A—B—C—D的順序給框架所有單元編號為1～500. 通過裂縫深度與截面高度的比值(d/h)來模擬不同程度的損傷.假設(shè)框架上120號單元(即距B點(diǎn)600mm)和200號單元(即距B點(diǎn)1 000mm)均含有1條裂縫，其中B，C點(diǎn)都在結(jié)構(gòu)轉(zhuǎn)折處，分別為150號單元和350號單元.

3不同動(dòng)力參數(shù)下小波變換對損傷結(jié)構(gòu)定位

3.1 利用振型模態(tài)下小波變換對損傷結(jié)構(gòu)定位

利用Matlab小波工具箱，對該框架結(jié)構(gòu)取Sym小波為基本母小波，在尺度1下對該含損傷結(jié)構(gòu)進(jìn)行振型模態(tài)連續(xù)小波變換，得到如圖4所示的小波系數(shù)圖.從圖4可以看出，在損傷單元120號和200號處都有明顯的突起，該突起處恰好對應(yīng)裂縫所在的位置.但是也發(fā)現(xiàn)，在150號單元和350號單元也存在突起，這是因?yàn)?50號單元(B點(diǎn))和350號單元(C點(diǎn))都是結(jié)構(gòu)轉(zhuǎn)折點(diǎn)，而振型模態(tài)對結(jié)構(gòu)轉(zhuǎn)折點(diǎn)處、不連續(xù)點(diǎn)處及支座處的敏感性較差，使得在這些位置小波圖也存在突起.從而可知，振型模態(tài)經(jīng)過小波變換雖然能有效地識別出結(jié)構(gòu)的損傷位置，但是也容易發(fā)生誤判.

圖4　振型模態(tài)下含損傷框架結(jié)構(gòu)的Sym小波系數(shù)圖

3.2 利用應(yīng)變模態(tài)下小波變換對損傷結(jié)構(gòu)定位

對相同框架結(jié)構(gòu)選取Sym小波為基本小波，在相同尺度1下對該損傷結(jié)構(gòu)進(jìn)行應(yīng)變模態(tài)連續(xù)小波變換，得到如圖5所示的小波系數(shù)圖.從圖5可以看出，應(yīng)變模態(tài)下小波系數(shù)只有2處突起，其模極大值都對應(yīng)裂紋所在位置，且無損傷處均無突起.因此，應(yīng)變模態(tài)能有效識別框架結(jié)構(gòu)的損傷位置.

圖5　應(yīng)變模態(tài)下含損傷框架結(jié)構(gòu)的Sym小波系數(shù)圖

3.3 位置識別結(jié)果的對比

(1)利用振型和應(yīng)變2種模態(tài)對損傷框架進(jìn)行連續(xù)小波變換，其損傷位置(即120號單元和200號單元)都有明顯的突起，都可以通過小波系數(shù)圖的模極大值確定損傷位置.(2)振型模態(tài)雖能有效確定損傷處的位置，但其小波系數(shù)圖中無損傷處也存在突起點(diǎn)，原因是振型模態(tài)的靈敏性較差，很容易在結(jié)構(gòu)不連續(xù)處或轉(zhuǎn)折處發(fā)生誤判，而應(yīng)變模態(tài)有很高的靈敏性，對各種結(jié)構(gòu)形式都能準(zhǔn)確無誤地定位損傷.因此，利用應(yīng)變模態(tài)下小波變換可以更準(zhǔn)確地定位損傷的位置.

4基于振型參數(shù)損傷程度的識別

4.1 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)造和驗(yàn)證

沿用上述2處損傷的框架結(jié)構(gòu)模型，設(shè)框架上120號單元(即距B點(diǎn)600 mm)和200號單元(即距B點(diǎn)1 000 mm)均含有1條裂縫，通過裂縫深度d與截面高度h的比值來模擬不同程度的損傷，d/h值越大，代表損傷程度越大.利用BP神經(jīng)網(wǎng)絡(luò)來模擬振型模態(tài)下小波變換模極大值與損傷程度之間的非線性關(guān)系，通過網(wǎng)絡(luò)的測試結(jié)果來識別框架結(jié)構(gòu)的損傷程度.

首先，在120號單元和200號單元通過9個(gè)不同的d/h值來模擬不同程度的損傷，分別為0.1,0.13,0.15,0.17,0.2,0.23,0.25,0.27,0.3.然后，選用Sym小波為基本小波對模型進(jìn)行振型模態(tài)下小波變換，分別得到尺度1到尺度4下2損傷處的模極大值，如表1所示.

表1　在不同d/h值時(shí)尺度1—4的振型模態(tài)小波系數(shù)模極大值　10-5

選用newff函數(shù)來生成BP網(wǎng)絡(luò)，網(wǎng)絡(luò)形式為4-9-1，即數(shù)目設(shè)定為4個(gè)輸入層神經(jīng)元，9個(gè)隱含層神經(jīng)元，1個(gè)輸出層神經(jīng)元.其中，最高迭代次數(shù)為100，頻率取10，網(wǎng)絡(luò)學(xué)習(xí)誤差容許值E為0.000 01.利用表1中的模極大值作為輸入?yún)?shù)構(gòu)造神經(jīng)網(wǎng)絡(luò).為了證明網(wǎng)絡(luò)的準(zhǔn)確性，選用3組測試樣本d/h值為0.12，0.14，0.21來驗(yàn)證神經(jīng)網(wǎng)絡(luò)，結(jié)果如表2，3所示.從表3可以看出，神經(jīng)網(wǎng)絡(luò)的驗(yàn)證結(jié)果都對測試組損傷進(jìn)行了有效識別，說明該神經(jīng)網(wǎng)絡(luò)能夠有效識別結(jié)構(gòu)的損傷程度.

表2　振型模態(tài)下BP神經(jīng)網(wǎng)絡(luò)的測試數(shù)據(jù)　10-5

表3　振型模態(tài)下BP神經(jīng)網(wǎng)絡(luò)的測試結(jié)果

4.2 利用BP神經(jīng)網(wǎng)絡(luò)識別損傷程度

通過網(wǎng)絡(luò)的分析計(jì)算，分別得到120號單元和200號單元損傷程度的識別結(jié)果，如表4所示.計(jì)算結(jié)果表明，經(jīng)BP神經(jīng)網(wǎng)絡(luò)分析，在120號單元和200號單元都能識別損傷程度，但是誤差較大，最大相對誤差達(dá)到23.7%，大部分誤差都在10%左右，只有極少部分誤差在5%以內(nèi).在實(shí)際工程應(yīng)用中，需要診斷的大部分都是復(fù)雜框架結(jié)構(gòu)，所以必須要有更高的精度要求.

表4　振型模態(tài)下BP神經(jīng)網(wǎng)絡(luò)的識別結(jié)果和相對誤差

5基于應(yīng)變模態(tài)損傷程度的識別

選用上述相同的一層一跨框架結(jié)構(gòu)模型，對該損傷結(jié)構(gòu)進(jìn)行應(yīng)變模態(tài)連續(xù)小波變換，利用BP神經(jīng)網(wǎng)絡(luò)來模擬應(yīng)變模態(tài)下小波變換模極大值與損傷程度(d/h)之間的非線性關(guān)系.以應(yīng)變模態(tài)下小波變換的模極大值為輸入?yún)?shù)，構(gòu)造神經(jīng)網(wǎng)絡(luò)，通過該網(wǎng)絡(luò)的測試結(jié)果來識別同一框架結(jié)構(gòu)的損傷程度.

5.1 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)造和驗(yàn)證

選用相同的Sym小波對相同模型進(jìn)行應(yīng)變模態(tài)下小波變換，分別得到尺度1到尺度4下2損傷處的模極大值，如表5所示.

表5　在不同d/h值時(shí)尺度1—4的應(yīng)變模態(tài)小波系數(shù)模極大值　10-5

構(gòu)造相同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)：選用newff函數(shù)來生成BP網(wǎng)絡(luò)，網(wǎng)絡(luò)形式為4-9-1，即數(shù)目設(shè)定為4個(gè)輸入層神經(jīng)元，9個(gè)隱含層神經(jīng)元，1個(gè)輸出層神經(jīng)元.其中，最高迭代次數(shù)為100，頻率取10，網(wǎng)絡(luò)學(xué)習(xí)誤差容許值E為0.000 01.利用表5中的模極大值作為輸入?yún)?shù)構(gòu)造神經(jīng)網(wǎng)絡(luò).選用相同的3組測試樣本d/h值為0.12，0.14，0.21來驗(yàn)證神經(jīng)網(wǎng)絡(luò)，結(jié)果如表6，7所示.從表7可以看出，神經(jīng)網(wǎng)絡(luò)的驗(yàn)證結(jié)果都對測試組損傷進(jìn)行了有效識別，說明該神經(jīng)網(wǎng)絡(luò)能夠有效識別結(jié)構(gòu)的損傷程度.

表6　應(yīng)變模態(tài)下BP神經(jīng)網(wǎng)絡(luò)的測試數(shù)據(jù)　10-5

表7　應(yīng)變模態(tài)下BP神經(jīng)網(wǎng)絡(luò)的測試結(jié)果

5.2 利用BP神經(jīng)網(wǎng)絡(luò)識別損傷程度

利用應(yīng)變模態(tài)下小波系數(shù)模極大值為輸入?yún)?shù)構(gòu)造的神經(jīng)網(wǎng)絡(luò)，來識別相同框架結(jié)構(gòu)的損傷程度.通過該網(wǎng)絡(luò)的分析計(jì)算，分別得到120號單元和200號單元損傷程度的識別結(jié)果，如表8所示.計(jì)算結(jié)果表明，經(jīng)BP神經(jīng)網(wǎng)絡(luò)分析，在120號單元和200號單元都能有效識別損傷程度，其識別精度都在5%以內(nèi)，滿足工程精度的要求，具有很高的識別精度.

表8　應(yīng)變模態(tài)下BP神經(jīng)網(wǎng)絡(luò)的識別結(jié)果和相對誤差

6結(jié)論

通過對框架結(jié)構(gòu)的應(yīng)變模態(tài)小波神經(jīng)網(wǎng)絡(luò)的計(jì)算分析，可以得到如下結(jié)論：

(1)利用連續(xù)小波變換和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，不僅可以識別框架的損傷位置，而且能夠有效確定其損傷程度.

(2)對含損傷的框架結(jié)構(gòu)，分別采用在應(yīng)變和振型模態(tài)下與小波變換及神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，對該結(jié)構(gòu)的損傷位置和損傷程度進(jìn)行識別.通過數(shù)據(jù)分析和比較，確定了利用應(yīng)變模態(tài)進(jìn)行損傷識別的優(yōu)越性.

(3)利用單元抗彎剛度EI的下降來模擬框架結(jié)構(gòu)的損傷，而剛度的變化通過裂縫深度與截面高度的不同比值(d/h)來模擬.建立了含損傷的框架結(jié)構(gòu)有限元模型，在9種不同工況下運(yùn)用基于應(yīng)變模態(tài)小波神經(jīng)網(wǎng)絡(luò)方法，分別判斷結(jié)構(gòu)的損傷位置，分析損傷程度.通過數(shù)值分析，驗(yàn)證了該方法的有效性.

(4)在實(shí)際工程應(yīng)用中，可先對結(jié)構(gòu)進(jìn)行檢測獲得相關(guān)模態(tài)參數(shù)，再利用基于應(yīng)變模態(tài)小波神經(jīng)網(wǎng)絡(luò)方法可以有效識別結(jié)構(gòu)中的損傷位置和損傷程度.

參考文獻(xiàn)：

[1] YAO G C,CHANG K C,LEE G C.Damage Diagnosis of Steel Frames Using Vibrational Signature Analysis[J].Journal of Engineering Mechanics,1992,118(9):1 949-1 961.

[2] LI Y Y,CHENG Li,YAM L H,et al.Identification of Damage Locations for Plate￣Like Structures Using Damage Sensitive Indices:Strain Modal Approach[J].Computers & Structures,2002,80(25):1 881-1 894.

[3] 徐麗，易偉健，吳高烈.結(jié)構(gòu)局部損傷診斷的應(yīng)變模態(tài)方法——分析與應(yīng)用[J].自然災(zāi)害學(xué)報(bào)，2006，15(3):16-18.

[4] 管得清，黃燕.基于應(yīng)變模態(tài)小波變換的框架結(jié)構(gòu)損傷識別研究[J].計(jì)算力學(xué)學(xué)報(bào)，2010，27(2):25-27.

[5] 李軍，于德棟，白會(huì)人.基于應(yīng)變模態(tài)的結(jié)構(gòu)損傷定位方法[J].世界地震工程，2007，23(1):4-6.

(責(zé)任編輯向陽潔)

“武陵山片區(qū)研究”專欄

征稿函

武陵山片區(qū)是我國國家級集中連片特困地區(qū)，跨省交界面積大、少數(shù)民族聚集多、貧困人口分布廣，是全國全面實(shí)現(xiàn)小康社會(huì)任務(wù)最繁重的地區(qū)之一。按照國務(wù)院2011年10月批復(fù)的《武陵山片區(qū)區(qū)域發(fā)展與扶貧攻堅(jiān)規(guī)劃(2011-2020年)》,武陵山片區(qū)將著力解決發(fā)展的瓶頸制約和突出矛盾，加快連片特困地區(qū)發(fā)展和脫貧致富步伐,為全國扶貧攻堅(jiān)發(fā)揮示范引領(lǐng)作用。

《吉首大學(xué)學(xué)報(bào)(自然科學(xué)版)》是由吉首大學(xué)主辦的自然科學(xué)綜合性學(xué)術(shù)期刊，連續(xù)3屆獲評教育部科技司頒發(fā)的“中國高校特色科技期刊”獎(jiǎng)，2014版復(fù)合影響因子0.507，期刊影響因子0.407。為了報(bào)道與武陵山片區(qū)區(qū)域發(fā)展與扶貧攻堅(jiān)工作相關(guān)的基礎(chǔ)科技信息與階段性科研成果，發(fā)揮專業(yè)技術(shù)優(yōu)勢和期刊的橋梁紐帶作用,更好地服務(wù)于武陵山片區(qū)經(jīng)濟(jì)社會(huì)發(fā)展，本刊擬開辦“武陵山片區(qū)研究”專欄，現(xiàn)面向國內(nèi)外研究人員和科技工作者誠征專欄稿件，歡迎惠賜佳作。稿件不收取任何形式的版面費(fèi)和發(fā)表費(fèi)，一經(jīng)錄用，稿酬從優(yōu)。

選題方向：片區(qū)特色動(dòng)植物資源；自然地理與生態(tài)環(huán)境；農(nóng)業(yè)資源開發(fā)與利用；特色農(nóng)林業(yè)與種養(yǎng)殖業(yè)；旅游資源開發(fā)利用與保護(hù)；地方及少數(shù)民族農(nóng)業(yè)經(jīng)濟(jì)；片區(qū)少數(shù)民族工業(yè)與地方工業(yè)經(jīng)濟(jì)；水文地質(zhì)與氣象氣候；農(nóng)林產(chǎn)品加工；生物醫(yī)藥產(chǎn)業(yè)；礦產(chǎn)礦物資源加工。投稿郵箱：xb8563684@163.com 。郵件主題請注明“武陵山片區(qū)研究專欄投稿”字樣。

吉首大學(xué)學(xué)報(bào)編輯部

2015年5月15日

Structure Damage Identification Method by the Wavelet￣Neural

Network Analysis of Strain Mode

GUAN Deqing,LIAO Junwen,WU Zhao

(College of Civil Engineering and Architecture,Changsha University of Science and Technology,Changsha 410114,China)

Abstract:A frame structure is regarded as the object of research,wavelet analysis is applied to determine the location of damage of frame structure and the neural network method to identify the damage degree.The principle of strain mode parameter identification of damaged frame structure is given and thus a wavelet neural method for identifing damage structure is proposed.Through the establishment of damage identification method of vibration mode and strain mode,the framework crack positions under 9 different working conditions were identified,and the identifying effects in the two modes were compared. Then the vibration parameters and strain parameter were undergone continuous wavelet transform to obtain the two maximum mode parameters. Neural network was applied to identify the damage degree of structures through simulating the nonlinear relationship between the maximum of wavelet coefficients of the structure and the damage degree,and the damage identification effects in the two modes were compared.The numerical analysis indicates that the wavelet neural network can identify the damage location and degree of structure effectively,and the accuracy of damage identification method based on strain mode is better.

Key words:frame;wavelet transform;BP neural network;structure damage;strain mode;vibratory mode

作者簡介：管德清(1961—),男，湖南漢壽人，長沙理工大學(xué)土木與建筑學(xué)院教授，湖南大學(xué)土木工程學(xué)院博士研究生，主要從事鋼結(jié)構(gòu)損傷評估診斷及壽命預(yù)測理論與應(yīng)用研究.

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(51378079)

收稿日期：2014-12-21

中圖分類號：TU317+.5；TN911.6

文獻(xiàn)標(biāo)志碼：A

DOI:10.3969/j.cnki.jdxb.2015.03.011

文章編號：1007-2985(2015)03-0045-07