基于神經網絡的結構損傷檢測方法的研究.pdf

1、結構的損傷會對結構造成災難性的后果，成為威脅現代機械不間斷運行的重要因素。所以，對結構進行損傷檢測己成為科學研究的熱點。目前有大量地損傷檢測方法已經被提出并應用于結構損傷檢測領域，其中應用最為廣泛的是基于振動分析的檢測方法。以此為基礎，本文提出了一種基于神經網絡的結構損傷檢測方法。由于結構在損傷時往往伴隨其內部能量分布的變化，而對采集的結構信號進行短時傅立葉變換，得到的二維時-頻譜圖能反映出結構的能量分布。
　　 本文提出了用短

2、時傅立葉變換(STFT)和脈沖禍合神經網絡(PCNN)相結合的方法來提取信號的特征，并將該特征信號用來訓練自組織特征映射(SOM)神經網絡，以便完成對結構損傷的分類和識別。本文介紹了短時傅立葉變換、PCNN、小波閩值消噪和SOM神經網絡的基本原理，并重點介紹了PCNN模型在圖像特征提取中的應用。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據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，并用經過特征信號訓練過的SOM神經網絡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。總體來說，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用在了簡支