土木工程硕士论文摘要及提纲范文

土木工程硕士论文摘要及提纲范文-------基于递归图和卷积神经网络的结构损伤识别研究

摘要：近年来，土木工程结构不断大规模、复杂化。为保证结构的长期使用和安全运行，结构健康监测和损伤识别已成为土木工程领域研究的重点之一。由于实际结构工作环境的复杂性和多变性，结构环境激励显示出明显的不稳定性，因此结构振动响应信号本质上不稳定，使传统的损伤识别方法基于稳定激励假设的效果不理想。针对非稳定激励下的结构损伤识别问题，提出了基于递归图和卷积神经网络的识别方法。首先，通过递归图揭示结构振动响应中的不稳定性，然后利用卷积神经网络自动提取损伤特征，对不同的损伤条件进行分类，以达到识别结构损伤位置和损伤程度的目的。本文的主要研究内容如下：（1）总结结构损伤识别的研究现状，主要包括基于结构功率特性的损伤识别方法、基于振动响应信号处理的损伤识别方法和基于有限元模型修正的损伤识别方法，并比较这些方法的优缺点。（2）利用结构多通道的振动响应数据，结构多变量无阈值递归图，揭示结构在非稳定激励下的振动特性，比较传统递归图、多变量递归图和多变量无阈值递归图，表示结构振动不稳定特性的效果。（3）利用深卷积神经网络在图像处理和模式识别方面的优势，提出了基于递归图和卷积神经网络的损伤识别基本方法，并直接将各工况结构振动响应的递归图输入卷积神经网络模型进行训练。通过非稳定激励下的简支梁数值模拟算例，验证了单位损伤识别的可行性。（4）针对多损伤识别条件急剧增加、样本训练数据量大的问题，提出了基于递归图和卷积神经网络的损伤识别改进方法，并根据损伤位置对各条件结构振动响应的递归图建立了多套标签，输入多个并行卷积神经网络模型进行训练，解耦损伤位置和程度识别任务。该方法对多损伤条件（包括单损伤条件）的可行性通过非稳定激励下的简支梁数值模拟算例进行验证。（5）上述结构损伤识别基础和改进方法应用于铝合金梁损伤识别实验，进一步验证了两种损伤识别方法的有效性，并讨论了样本量对损伤识别的影响。实验结果表明，在小样本量条件下，损伤识别改进方法可以有效提高损伤识别的正确性。

关键词：结构损伤识别;非平稳激励;递归图;深度学习;卷积神经网络;

摘要

ABSTRACT

第一章 绪论

    1.1 研究背景及意义

    1.2 结构损伤识别研究现状

        1.2.1 基于结构动力特性的损伤识别方法

        1.2.2 基于振动响应信号处理的损伤识别方法

        1.2.3 基于有限元模型修正的损伤识别方法

    1.3 递归图方法研究现状

    1.4 深度学习方法研究现状

    1.5 本文的主要内容

第二章 递归图方法基本理论

    2.1 递归图

        2.1.1 递归图的定义

        2.1.2 递归图的图形特征

    2.2 递归定量分析

    2.3 递归图的各类拓展形式

    2.4 本章小结

第三章 基于RP和CNN的结构损伤识别方法

    3.1 卷积神经网络

        3.1.1 深度学习

        3.1.2 深度学习典型模型

        3.1.3 卷积神经网络

    3.2 基于RP和CNN的结构损伤识别基础方法

        3.2.1 数据集形式

        3.2.2 卷积神经网络结构

    3.3 基于RP和CNN的结构损伤识别改进方法

    3.4 本章小结

第四章 非平稳激励下结构损伤识别数值模拟

    4.1 数值模型

        4.1.1 递归图构造过程

        4.1.2 卷积神经网络参数选取

    4.2 基础方法识别结果与讨论

        4.2.1 单损伤工况识别

        4.2.2 多损伤工况识别

    4.3 改进方法识别结果与讨论

    4.4 本章小结

第五章 非平稳激励下结构损伤识别实验验证

    5.1 实验模型

        5.1.1 实验模型及实验设备简介

        5.1.2 实验模型损伤工况设置

        5.1.3 实验相关参数设置

    5.2 基础方法识别结果与讨论

    5.3 改进方法识别结果与讨论

    5.4 本章小结

第六章 结论与展望

    6.1 论文的主要工作和结论

    6.2 研究工作展望

参考文献