自適應(yīng)神經(jīng)智能方法及其在結(jié)構(gòu)損傷診斷中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩125頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本文在總結(jié)回顧以前工作的基礎(chǔ)上,主要開展了如下4個方面的工作:(1)當(dāng)結(jié)構(gòu)發(fā)生損傷時,在損傷處,其模態(tài)振型或其高階導(dǎo)數(shù)不連續(xù)即存在奇異,這種奇異性可以通過尋找其小波變換模極大在細(xì)尺度下的收斂的橫坐標(biāo)來檢測,奇異性位置即對應(yīng)結(jié)構(gòu)中的損傷位置;為了對損傷程度進(jìn)行診斷,利用神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性映射能力來模擬小波變換模極大和損傷程度之間的非線性關(guān)系,采用db2小波對模態(tài)振型進(jìn)行離散小波變換,將多個尺度下小波變換模極大值進(jìn)行歸一處理后,作為BP網(wǎng)

2、絡(luò)的輸入?yún)?shù),輸出為結(jié)構(gòu)的損傷程度.(2)根據(jù)利用模態(tài)曲率進(jìn)行損傷檢測的原理,采用具有二階消失矩的墨西哥草帽小波對結(jié)構(gòu)在健康和損傷狀態(tài)下的模態(tài)振型差進(jìn)行連續(xù)小波變換,由此提出了表示損傷位置的指標(biāo).即相當(dāng)于先用高斯函數(shù)對模態(tài)振型差進(jìn)行平滑處理,然后對平滑后的模態(tài)振型差求解二階導(dǎo)數(shù),通過尋找小波變換模極大在細(xì)尺度下收斂的橫坐標(biāo)來檢測損傷位置.根據(jù)Lipschitz指數(shù)與小波變換模極大的關(guān)系,討論了損傷程度與Lipschitz指數(shù)的關(guān)系.(3

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論