利用振动模态测量值和神经网络方法的结构损伤识别研究

提出了一种基于模态测量参数和神经网络的结构损伤检测方法，建造了两种输入方式的BP神经网络，即自振频率以及结合自振频率与振型，并讨论了不同数量的输入信息对结构损伤检测精度和计算效率的影响。证明了输入的参数越多，神经网络就越聪明，训练的收敛速度越快；以及在保证一定的测量精度的情况下，基于频率与振型的损伤识别结果要好于基于频率的检测结果。最后，通过对3层框架模型的4种损伤工况下的结构损伤检测结果的分析，认为利用模态测量参数和神经网络方法能够准确地识别结构损伤的位置，而且能较精确地识别结构损伤的大小