]*>","")" /> 基于频率和BP神经网络的井架钢结构损伤识别

中国安全科学学报

• 安全工程技术科学 • 上一篇    下一篇

基于频率和BP神经网络的井架钢结构损伤识别

韩东颖,时培明   

  1. 燕山大学车辆与能源学院,河北秦皇岛,066004%燕山大学测试计量技术及仪器河北省重点实验室,河北秦皇岛,066004
  • 出版日期:2012-08-20 发布日期:2012-08-25
  • 基金资助:
    国家自然科学基金资助(51104129)%河北省自然科学基金青年基金资助(E2011203153)

Identification of Derrick Steel Structures Damage Based on Frequency and BP Neural Network

  • Online:2012-08-20 Published:2012-08-25

摘要: 为了快速、准确地诊断井架钢结构的损伤位置和程度,提出仅基于测试精度高的频率数据和BP神经网络的识别方法.首先,选择频率变化比和频率平方变化比组合参数作为损伤位置识别因子,频率变化率作为损伤程度识别因子;然后,分步构建损伤位置和损伤程度识别的BP神经网络;最后,利用前10阶频率数据和BP神经网络对现场某井架钢结构的损伤位置和程度进行识别.分析结果表明,在测试噪声为10%时,采用前6阶损伤位置识别因子,能够清楚识别损伤位置,识别结果分别是1,5,9,15,19号单元损伤;采用前10阶损伤程度识别因子,1号单元的损伤程度识别结果分别为0.1069,0.3182,0.5054,0.7102,0.9159,识别误差均不超过10%.

中图分类号: