基于模态曲率理论及神经网络的简支梁桥损伤识别

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (4): 963-967.

基于模态曲率理论及神经网络的简支梁桥损伤识别

刘寒冰,焦峪波,程永春,宫亚峰

吉林大学交通学院|长春 130022

收稿日期:2010-04-26 出版日期:2011-07-01 发布日期:2011-07-01
通讯作者: 宫亚峰（1977-），男，博士.研究方向:桥梁结构健康监测理论及应用. E-mail:gongyf@jlu.edu.cn
作者简介:刘寒冰（1957-）|男|教授|博士生导师.研究方向:道路与桥梁结构的动态优化理论及应用. E-mail:lhb@jlu.edu.cn
基金资助:
“863”国家高技术研究发展计划项目(2009AA11Z104)；吉林大学创新团队项目（200910）；吉林大学“985”工程项目;吉林大学科学前沿与交叉学科创新项目（20113145）.

Damage identification for simply supported beam bridge based on modal curvature theory and neural network

LIU Han-bing, JIAO Yu-bo, CHENG Yong-chun, GONG Ya-feng

College of Transportation, Jilin University, Changchun 130022, China

Received:2010-04-26 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要：

针对多片简支梁桥损伤识别问题，提出了一种分步识别法。该方法综合运用模态曲率差及神经网络技术对结构损伤进行识别，能够有效地发挥两种方法的优点。最后以一座五片简支T梁桥为算例进行了数值模拟。模拟结果表明，该方法可以准确识别结构的损伤位置及损伤程度，是一种行之有效的简支梁桥损伤识别方法。

关键词: 道路工程, 二步识别法, 模态曲率, 神经网络, 简支梁桥

Abstract:

A two-step method was proposed to identify the damage of the simply supported beam bridge with multiple girders. The method identifies the structure damage using the modal curvature difference and the neural network technique to avoid the disadvantages of each single method. A numerical example was provided for a simply supported T beam bridge with five girders to verify the feasibility of the method, and the results show that this two-step method is effective to locate damage and evaluate the damage degree.

Key words: road engineering, two-step identification method, modal curvature, neural network, simply supported beam bridge

中图分类号:

U441.4

刘寒冰,焦峪波,程永春,宫亚峰. 基于模态曲率理论及神经网络的简支梁桥损伤识别[J]. 吉林大学学报(工学版), 2011, 41(4): 963-967.

LIU Han-bing, JIAO Yu-bo, CHENG Yong-chun, GONG Ya-feng. Damage identification for simply supported beam bridge based on modal curvature theory and neural network[J]. 吉林大学学报(工学版), 2011, 41(4): 963-967.

参考文献

相关文章 15

[1]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[2]	李伊,刘黎萍,孙立军. 沥青面层不同深度车辙等效温度预估模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1703-1711.
[3]	江涛,林学东,李德刚,杨淼,汤雪林. 基于人工神经网络的放热规律的量化预测[J]. 吉林大学学报(工学版), 2018, 48(6): 1747-1754.
[4]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[5]	臧国帅, 孙立军. 基于惰性弯沉点的刚性下卧层深度设置方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1037-1044.
[6]	念腾飞, 李萍, 林梅. 冻融循环下沥青特征官能团含量与流变参数灰熵分析及微观形貌[J]. 吉林大学学报(工学版), 2018, 48(4): 1045-1054.
[7]	宫亚峰, 申杨凡, 谭国金, 韩春鹏, 何钰龙. 不同孔隙率下纤维土无侧限抗压强度[J]. 吉林大学学报(工学版), 2018, 48(3): 712-719.
[8]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[9]	底晓强, 王英政, 李锦青, 从立钢, 祁晖. 基于量子细胞神经网络超混沌的视频加密方法[J]. 吉林大学学报(工学版), 2018, 48(3): 919-928.
[10]	程永春, 毕海鹏, 马桂荣, 宫亚峰, 田振宏, 吕泽华, 徐志枢. 纳米TiO₂/CaCO₃-玄武岩纤维复合改性沥青的路用性能[J]. 吉林大学学报(工学版), 2018, 48(2): 460-465.
[11]	张仰鹏, 魏海斌, 贾江坤, 陈昭. 季冻区组合冷阻层应用表现的数值评价[J]. 吉林大学学报(工学版), 2018, 48(1): 121-126.
[12]	季文玉, 李旺旺, 过民龙, 王珏. 预应力RPC-NC叠合梁挠度试验及计算方法[J]. 吉林大学学报(工学版), 2018, 48(1): 129-136.
[13]	马晔, 尼颖升, 徐栋, 刁波. 基于空间网格模型分析的体外预应力加固[J]. 吉林大学学报(工学版), 2018, 48(1): 137-147.
[14]	王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329.
[15]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed