基于WPT-SVD和GA-BPNN的混凝土结构损伤识别

摘要：

针对基于压电波动法检测混凝土结构损伤离散性大的问题,提出基于小波包-奇异值分解(WPT-SVD)和遗传算法优化的BP神经网络(GA-BPNN)模型的损伤识别方法.该方法深度挖掘结构开裂损伤信号时频域变化特征,构建信号特征与损伤的对应关系,可以有效地识别结构损伤位置和程度.在混凝土结构表面粘贴压电传感器测得损伤信号,对损伤信号进行WPT分解,以获得多维时频矩阵.采用SVD对不同损伤状态下的时频矩阵进行降维,构建具有较高损伤敏感性的特征向量.建立具有自适应学习能力的GA-BPNN,实现结构的损伤识别.试验验证表明,压电信号奇异值可以作为损伤特征参量,主要频段的奇异值随着损伤的发展而下降,归一化奇异值向量距与损伤情况呈现3阶段对应关系.GA-BPNN较BPNN能够更好地表征信号特征与损伤间的关联性,识别结果更加稳定且精确度高,结构损伤位置和程度的识别精确度分别达到95.19％和94.47％.

关键词：混凝土结构、损伤识别、压电波动法、奇异值分解、神经网络

所属期刊栏目：57

分类号：TU375(建筑结构)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;湖南省自然科学基金资助项目;湖南省自然科学基金资助项目;南方地区桥梁长期性能提升技术国家地方联合工程实验室长沙理工大学资助项目;长沙理工大学专业学位研究生实践创新与创业能力提升项目

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：100-110,132