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

1、結(jié)構(gòu)的損傷會對結(jié)構(gòu)造成災(zāi)難性的后果，成為威脅現(xiàn)代機械不間斷運行的重要因素。所以，對結(jié)構(gòu)進行損傷檢測己成為科學(xué)研究的熱點。目前有大量地損傷檢測方法已經(jīng)被提出并應(yīng)用于結(jié)構(gòu)損傷檢測領(lǐng)域，其中應(yīng)用最為廣泛的是基于振動分析的檢測方法。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)損傷檢測方法。由于結(jié)構(gòu)在損傷時往往伴隨其內(nèi)部能量分布的變化，而對采集的結(jié)構(gòu)信號進行短時傅立葉變換，得到的二維時-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)合的方法來提取信號的特征，并將該特征信號用來訓(xùn)練自組織特征映射(SOM)神經(jīng)網(wǎng)絡(luò)，以便完成對結(jié)構(gòu)損傷的分類和識別。本文介紹了短時傅立葉變換、PCNN、小波閩值消噪和SOM神經(jīng)網(wǎng)絡(luò)的基本原理，并重點介紹了PCNN模型在圖像特征提取中的應(yīng)用。文中通過用PCNN模型對三幅圖像進行嫡序列特征提取的例子，說明了PCNN模型對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、于識別圖像，進而說明了將PCNN用于提取譜圖的特征和識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支梁在隨機白噪聲激勵條件下的實驗步驟。對采集的加速度信號數(shù)據(jù)進行了短時傅立葉變換，用PCNN對得到的能量譜圖進行了特征提取，并用經(jīng)過特征信號訓(xùn)練過的SOM神經(jīng)網(wǎng)絡(luò)對簡支梁的損傷作了分類檢測，以此驗證了所提方法的可行性和有效性?？傮w來說，本文通過理論的分析和實驗的驗證，成功地將短時傅立葉變換和PCNN在圖像特征提取中的理論應(yīng)用在了簡支