（一般力学与力学基础专业论文）神经网络智能诊断系统在混凝土结构中的应用研究.pdf

湘潭大学硕士学位论文 i 摘 要 摘 要 混凝土结构损伤的识别、定位以及预测等是近年来土木工程结构中一个重要 的研究领域，结构损伤检测技术是一门建立在损伤机理、传感器技术、信号分析 技术、计算机技术及人工智能技术上的多学科综合性技术。混凝土结构故障诊断 系统由于其复杂性、多样性及设计研究领域的广泛性，预测对象为非线性系统， 难以建立准确的机理模型。从非线性的角度，应用神经网络模式识别原理，对非 线性系统进行自我学习，对结构损伤进行监测诊断，避免了纯粹意义上的基于数 学建模方法的局限性，弥补了传统预测方法和人类知识的不足。 相对于传统的混凝土结构损伤检测方法，本文主要对基于神经网络的混凝土 结构损伤检测理论与应用进行了研究。从 bp 神经网络、专家系统、遗传算法相结 合的角度研究了混凝土结构损伤智能识别方法，通过把力学模型、bp 神经网络、 专家系统、遗传算法与计算机技术融合在一起，建立一种新型的智能诊断系统， 本系统具有较强的工程背景和实际应用价值。 本文研究的主要内容： (1) 损伤模型及损伤裂缝数值分析。 建立科学的混凝土结构的损伤模型是对混 凝土结构进行智能监测诊断与损伤程度评估的基础性工作；大部分混凝土结构损 坏是从裂缝开始的，必须对混凝土结构损伤裂缝进行数值分析与处理。 (2) 建立由神经网络、专家系统与遗传算法相结合的智能诊断系统。 (3) 用 vc+语言编写混凝土结构诊断程序， 运用 matlab-nn 工具箱对系统 进行实验，并对实验结果进行对比分析。 在理论研究和分析的基础上，利用神经网络的高度模式识别能力，设计出了 基于神经网络的混凝土结构故障诊断专家系统，包括诊断知识的表示、获取和推 理；从神经网络与遗传算法相结合的角度，阐述了遗传算法结合 bp 算法优化神经 网络的方法，实验证明，遗传算法和神经网络相结合不仅具有神经网络泛化的映 射能力，而且具有遗传算法快速和全局逼近的优点，是一种较好的解决混凝土结 构损伤识别问题的方法。 研究结果表明，基于 bp 网络、专家系统与遗传算法的混凝土结构损伤识别系 统的识别效果较好，收敛速度较快。应用此系统对混凝土结构进行诊断，不但给 出结构是否受损，而且能给出损伤位置、损伤程度及预测使用寿命。与以往的监 测诊断系统相比，此系统具有高鲁棒性，高精度，大大提高了诊断的速度与精度。 同时也表明，该诊断方法是解决混凝土结构损伤识别问题的较为有效的途径之一， 具有较大的工程应用价值和进一步深入研究的意义。 关键词:关键词: 混凝土结构；结构损伤；故障诊断；专家系统；遗传算法；混凝土结构；结构损伤；故障诊断；专家系统；遗传算法；bp 网络；网络； 湘潭大学硕士学位论文 ii abstract the detection, location, and predictable problem of concrete structural damage have been the important subject of concrete structural damage engineering research in recent years. the damage identification method is polytechnic method constructed on the damage theory, sensor technology, signal analysis, computer science and artificial networks. relative to the traditional technology of concrete structural damage identification, this paper mainly studies the method based on the combination of the static modal analysis and artificial: networks. bp neural network (nn)、expert system(es) and genetic algorithm (ga) are two important branches of artificial intelligence. from the point of the combination of both neural network and genetic algorithm, to research the intelligent identification technology for concrete structures is conducive to the practical application of engineering. with the background of intelligent structures damage identification, the contemporary status and trend on the research of intelligent structures damage identification are dissertated, and furthermore the possible methods on how to identify the structures damage are researched with the combination of neural network、expert system and genetic algorithm. the main contents are following: (1) it establishes damage model concrete structure constitutive relation. to establish scientific concrete structure three-dimensional damage model is the basic work for intelligent monitoring and fault diagnosis degree evaluation of concrete structure. it numerically analyzes damage crack of concrete structure. most of concrete structure damage starts from crack, so we must pay attention to the analysis and solution of the concrete crack of concrete structure. (2) it establishes intelligent monitoring and fault diagnosis system with back propagation neural network, expert system, and genetic algorithm combined together. (3) it use visual c+6.0 to write concrete structure fault diagnosis program for concrete structure. it uses matlab-nn toolbox to carry out simulation experiment, and analyze the simulation results neural network expert system is designed based on neural network high identification ability and theory research. it includes expression, acquirement and reasoning of knowledge. the experiment shows that extensive mapping capacity of nn and rapid global convergence of genetic algorithm can be obtained at the same 湘潭大学硕士学位论文 iii time by combining genetic algorithm and neural network in some certain ways, which are researched in the thesis. and this method of combination is a relatively effective way to solve the problem of concrete structural damage identification applicative research results demonstrate that ： the system of concrete structural damage identification based on the combination of bp neural network and genetic algorithm has acquired relatively high accuracy and rapid convergence. as concerned as the ban with a single damage, the beam with one, two and three damages, the system works comparatively effective. meanwhile, the research mentioned above also shows that method based on the combination of neural network and genetic algorithm ,which is used to identify the concrete structural damage damage, is valuable and worthy of further concern. key words: concrete structure； structure damage；fault diagnosis；expert system；genetic algorithm；back propagation neural network； 湘潭大学湘潭大学 学位论文原创性声明学位论文原创性声明 本人郑重声明： 所呈交的论文是本人在导师的指导下独立进行研究所取得的研 究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文 中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检索， 可 以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 湘潭大学硕士学位论文 1 第一章 绪论 混凝土是一种用量巨大、 历史悠久而又快速发展的建筑工程材料。 自 20 世纪来， 由于混凝土、钢筋混凝土、预应力混凝土、再生混凝土和新型高性能混凝土等的出 现与大规模的使用，交通工程、能源工程、国防工程、水利工程、工业与民用建筑 工程等都达到了前所未有的建设成就。随着我国经济的高速增长，新型现代化工业 建筑和公共服务基础建筑设施，超高层建筑、大型大跨度(300m 以上)桥梁工程、大 型特大型水坝工程(300m 以上)等将逐步进入人们的视野，服务社会1-4。 据统计，目前我国每年混凝土用量超过 20 亿 m3，用于混凝土结构的耗资费用达 4500 亿元以上，而且这些数字还在增加。随着已有建(构)筑物的不断增多和老化，用 于检测、维修和改造的费用也在逐年增加。只有具有可靠的监测技术才能提供科学 可靠的数据，为修补、加固措施提供依据，减少维修费用。而重要工程在竣工后更 需长期的监测管理，加强对混凝土结构的监测与诊断控制已成为今天建筑工程技术 中的重要课题。结构诊断已成为继勘察、设计、施工、监理之后的又一个产业5-6。 混凝土结构内部缺陷如裂缝、空洞和局部疏松等往往会造成重大的经济损失和 人员伤亡。混凝土结构中缺陷的位置、大小、类型等特征的确定，即监测诊断的定 量化一直是无损检测的一个难题和发展方向。现有的监测诊断手段大多停留在缺陷 的有无及位置的确定上，且这些手段均要依赖于检测人员的经验来作出结论，常带 有主观性，影响了检测结果的可靠性。现有的混凝土内部缺陷无损检测方法还处在 定性和半定量识别水平，识别的准确率低，并且依赖于检验人员的实践经验7-9。 nn(neural network)是在对人脑 nn 认识理解的基础上人工构造的能够实现某种 功能的 nn。它是理论化的人脑 nn 的数学模型，是基于模仿人脑 nn 结构和功能而 建立的一种具有高度的非线性，能进行复杂的逻辑操作和非线性关系实现的信息处 理系统。nn 可以通过训练和学习来获得网络的权值与结构，具有很强的自学习能力 10-11。 nn 检测技术，通过用实验得到的样本集对 nn 反复进行训练，直到网络的实际 输出和目标输出之间的误差减小到工程规定的要求。当对训练好的网络输入测量到 的信号后可以得到结构受损的位置、程度等。虽然 nn 的训练过程需要较长的时间， 但是只要网络被训练成熟，其正向计算网络输出速度很快，可以满足系统的实时性 要求，也便于软硬件实现12。 nn 智能诊断方法，通过 nn 的系统辨识原理，利用其自适应、自反馈、自学习 功能，以实验模态测试为手段，输入模态参数，运算处理，得到损伤的程度、位置， 对结构进行安全评价。由于 nn 的容错性好，对输入参数的准确性要求不高，将 nn 用于混凝土结构的诊断问题，具有一定的前瞻性和可行性，前景比较看好。 湘潭大学硕士学位论文 2 1.1 混凝土结构诊断技术的形成与发展 诊断技术是近 50 年来发展起来的一门新学科，信息论，系统论，混沌论等的诞 生，尤其是控制理论出现了重大突破，产生了一系列现代控制方法，计算机技术的 发展，为诊断技术提供了必要的技术基础；快速 fourier 变换的出现，使诊断技术的 发展产生了飞跃；近年来，传感技术的发展，信号处理的系列技术：如各种滤波技 术，各种谱分析技术，ai(artificial intelligence)的系列技术：如 nn、ga(genetic algorithm)、es(expert system)等，以及其它技术在诊断中的应用，使诊断技术逐渐 完善13。 诊断技术有很强的工程背景，系统论、信息论、控制论、非线性科学等最新的 技术在其中都有应用。从开展设备或结构诊断的流程来看，设备或结构诊断分为信 号采集，信号处理，故障诊断 3 个阶段14。 (1) 信号采集技术的研究。诊断技术从设备或结构的症状入手进行分析研究。设 备或结构症状指设备或结构运行时产生的代表其状态的各种信号。因此，信号采集 技术是设备或结构诊断的前提，由于传感器的组合不同，提供了设备或结构不同类 型，不同部位的信息，由此产生了信息融合； (2) 信号分析和处理方法的研究。这是设备或结构诊断的关键，也是理论研究的 热点之一，这实际上就是诊断技术中的特征因子(敏感因子)提取技术。近年来出现的 数字滤波技术、自适应滤波技术、小波分析技术、分形几何技术和 nn 技术等，大大 丰富了信号处理技术的内容。由于特征因子提取的重要性，信号处理中每一种新技 术在设备或结构诊断中的应用，都是对诊断技术的一次重大推动； (3) 诊断方法的研究是诊断技术的核心。目前，诊断技术根据不同信号类型，分 为振声诊断，温度诊断，油液分析，光谱分析等。近年来，随着 ai 的发展，诊断自 动化，智能化的要求逐渐变为现实。其中基于知识的 es 的研究在诊断中已有成功的 利用。 诊断技术发展很快，许多现代科学技术已进入混凝土监测诊断领域，现代信息 技术和计算机科学的发展为无损检测技术提供了现代化的测试工具。混凝土无损检 测技术突破了原有的范畴，涌现了一批新的测试方法，包括微波吸收、红外热谱、 电子散斑干涉、超声脉冲回波、冲击回波、nn 等新技术 15-16。 混凝土是一种非均匀、多孔性和各向异性的多相复合体系，具有复杂的内部结 构。在土木工程中，混凝土在原材料组成、配制、浇注及养护过程中影响其质量的 因素较多，己硬化混凝土的质量变异性较大，这就给混凝土宏观性能的测试带来极 大的随机性。研究在结构上直接检测混凝土材料及结构的质量，而又不损害结构的 使用，成为混凝土研究领域的重要课题17-20。 混凝土结构诊断技术，指在不破坏混凝土内部结构和不影响结构使用性能的前 湘潭大学硕士学位论文 3 提下，利用光、声、热、电、磁和射线与结构系统特性分析(包括结构响应)，获得结 构内部的信息，探测结构的变化，揭示结构损伤与结构性能的劣化。通过测定其关 键的性能指标，检查其是否受到损伤，如果受到损伤，确定损伤位置、损伤程度、 可否继续使用及剩余寿命17。 鉴于土木工程结构的特殊性，如结构型式多样、服役周期长、影响结构性能的 因素复杂多变等，对其进行监测比一般的机械系统要复杂得多。对于高层建筑、桥 梁等复杂结构的健康监测和损伤诊断，还有许多问题有待于进一步研究和解决。通 过测量信号对在役混凝土结构进行健康评价还没有建立完善的科学理论，整个研究 工作和技术的成熟还有待时日18-19。 混凝土结构健康监测是世界土木工程界的难题，也是研究的热点，尚没有成熟 的理论与应用技术。本文对土木工程健康监测引入 nn 技术、es、ga、计算机技术、 以及混凝土结构损伤理论构成智能监测诊断系统，确定损伤位置，评估损伤程度， 预测剩余有效寿命，为土木工程监测诊断提供新的思路。 1.2 混凝土结构损伤裂缝 裂缝是固体材料的某种不连续现象，由于不同的原因，其产生裂缝的形状宽度 是不一致的。因此，对混凝土结构裂缝进行分类有利于混凝土裂缝原因的分析与混 凝土结构的监测和诊断20-24。 (1) 按形状划分 混凝土结构裂缝可分为表面的(混凝土表面的龟裂)，惯穿的，纵向的，横向的， 斜向的，对角线式的，纵深的(深度达 1/2 厚度)等。一般混凝土构件的裂缝方向同立 拄应力方向垂直，但在砌块结构中和结构物的变截面处，剪应力可以同裂缝平行。 (2) 按裂缝的宽度划分 混凝土结构裂缝按人的肉眼视觉可将裂缝划分为裂缝宽度小于 0.05mm 的微观 裂缝和裂缝宽度大于 0.05mm 的宏观裂缝，在一般的民用建筑中，宽度小于 0.05mm 裂缝对构件的使用无危险性。且由于肉眼不可见，因此也不会对用户造成心理压力， 一般将小于 0.05mm 裂缝的结构认为是无裂缝结构。而对于大于 0.05mm 的非惯穿性 裂缝(即裂缝只在构件受力面出现的纵深裂缝)，分为允许裂缝和有害裂缝。 (3) 根据裂缝产生的原因划分混凝土构件裂缝 1) 由外荷载(如动，静荷载)直接作用而产生的裂缝，该型裂缝是常规设计必须 验算的裂缝； 2) 由外荷载作用，结构次应力引起的裂缝。该裂缝是由计算假设模型与结构实 际工作状态不完全一致时，由外荷载引起的次应力产生裂缝。如钢筋混凝土屋架按 铰节点进行计算，但实际节点处却存在弯矩和切力，会产生节点裂缝； 3) 由变形变化引起的裂缝。结构由温度，收缩和膨胀，不均匀沉降等因素引起 湘潭大学硕士学位论文 4 的裂缝，是结构要求变形，当变形得不到满足，才引起应力，且应力还与结构的刚 度大小有关。只有当应力超过一定数值才引起裂缝，裂缝出现后变形得到满足或部 分满足，同时刚度下降，应力就发生松弛。 混凝土结构裂缝形成的原因中，属于由变形变化(温度,收缩,不均匀地陷)引起的 约占 80%以上，属于由荷载引起的约占 20%左右。前述 80%的裂缝中也包括变形变 化与荷载共同作用，但以变形变化为主所引起的裂缝。同时，在 20%的裂缝中也包 括变形变化与荷载共同作用，但以荷载为主所引起的裂缝24-28。 (4) 根据裂缝状态划分混凝土结构裂缝 同一条裂缝在不同时间，它所处的状态是不一样的。可将它们划分为发展的， 不稳定的，愈合稳定的裂缝等。 1.3 nn 智能诊断技术研究的现状 故障诊断与预测技术的智能化是诊断技术发展的重要趋势，它的发展是与 ai 技 术中的 nn、es 和 ga 的发展息息相关。 1.3.1 nn 诊断技术的应用 nn 是在现代神经学研究成果的基础上发展出来的。nn 是一种模仿人脑信息处 理机制的网络系统，它由大量简单的人工神经元广泛连接而成的；它虽不是人脑神 经系统的逼真复制，但确实反映了人脑功能的若干特性，它可以完成学习、记忆识 别和推理功能29。 (1) nn 的基本特征 nn 是一种更接近与人脑信息处理机制的计算机系统，其工作原理，结构及功能 与传统的计算机有很大差别，它突破了以传统的线性处理为基础的数字电子计算机 的局限，nn 是一个具有高度非线性的超大规模连续时间动力系统。其主要特征为连 续时间非线性动力学，网络的全局作用，大规模并行分布处理和联想学习能力。 构成 nn 的基本单元神经元一般是一个多输入/单输出的非线性器件，其结 构如图 1-1 10 1 x 2 x n x i u i i y 图 1.1神经元的数学模型 其中 i u为神经元内部状态， i 为阈值， i x为输入信号， , i j w表示从 i u到 j u联接的权值， i s表示可以抑制神经元内部状态 i u的外部输入信号，则 湘潭大学硕士学位论文 5 , () () ii jiii j ii ufw xs yg u =+ = (1.1) 由大量神经元广泛互连就构成了 nn。根据 nn 对生物 nn 的不同组织层次和抽 象层次的模拟，可以组成各种层次的 nn 模型30。 (2) nn 在信息处理能力上的优势 nn 在信息处理上有自己的特点，与传统的计算机比有一定的优势。 1) 并行性。传统的计算机处理信息的方式为串行处理。这样处理的速度再快， 处理的信息也是有限的。计算与存储是完全独立的两部分，这样存储器与运算器之 间的通道就构成了计算机的瓶颈，大大地限制了它的运算能力。而 nn 中的神经元之 间有着大量的相互连接，所以信息输入之后可以很快地传递到各个神经元进行同时 (并行)处理，其运算效率非常高31； 2) 自学习，自组织性。目前基于符号推理的 es 还不具备自学习能力，不能在 运算中自我完善，发展与创新知识。系统的功能取决于设计者的知识和能力。而 nn 系统具有很强的自学习能力，系统可以在学习过程中不断完善自己，具有创造性； 3) 联想记忆功能。nn 可以被看成由大量子系统组成的大系统，系统的最终行 为完全由它的吸引子决定，在网络训练的过程中，输入端输入记忆的模式通过学习 合理地调节网络中的权系数，网络就“记住”所有的输入信息32。在执行时，若在 网络的输入端输入被噪声污染的信息或者是不完整，不准确的片段，经过网络的处 理后，在输出端便可得到恢复了的完整而准确的信息； 4) 具有很强的鲁棒性和容错性。在 nn 中，信息的存储不象传统计算那样存在 存储器的某一特定位置，而是分布式地存在整个网络中相互连接的权值上，这使其 比传统计算机具有较高的抗毁性。少数几个神经元损坏或者断几根线，只会稍许降 低系统的性能，而不至于破坏整个系统。而传统计算机中，一旦某个器件出现故障， 系统便无法正常工作。 nn 用于故障诊断是近期的事情。美国珀杜大学的 venkatasubramanian 和 kingchan 等首次将 nn 用于故障诊断中，所采用的算法是反向传播算法，获得了理 想的结果。但训练时间太长，并且训练时插入的数据不适时是的，且 nn 映射连续变 量比映射布尔量要困难的多。与传统的 es 相比，nn 具有如下独特的优点33。 (1) nn 可以适时运行； (2) nn 能直接使用时间序列数据。 nn 故障诊断问题可以看成模式识别，通过对一系列过程参量进行测量，然后用 nn 从测量空间映射到故障空间，实现故障诊断。nn 之所以适合于故障诊断，有如 下三个主要原因15 (1) 训练过的 nn 能使存储有关过程的知识，能直接从定量的历史故障信息中学 湘潭大学硕士学位论文 6 习。可以根据对象的正常历史数据训练网络，然后将此信息与当前测量数据进行比 较，以确定故障； (2) nn 具有滤出噪声及在有噪声情况下得出正确结论的能力，可以训练 nn 来 识别故障信息， 使其能在噪声环境中有效地工作， 这种滤除噪声的能力使得 nn 适合 在线故障检测和诊断； (3) nn 具有分辨原因及故障类型的能力。 1.3.2 es 诊断方法的应用 es 诊断利用了专家积累的丰富实践经验，能模仿专家分析问题和解决问题的思 路。如果系统在运行过程中发生故障，则领域专家很快就可以根据经验确定故障的 原因和部位。而且能够解释自己的推理过程，解释结论是如何获得的。无论是在理 论上还是在工程上应用都很广泛34。 es 是面向现实世界的，需要领域专家来分析、判断和求解专门问题。它是强调 利用专家经验知识和推理方法的计算机模型系统。es 的发展大大的推动了智能化诊 断技术的发展，在某些特定的领域和范围内，诊断 es 问题求解的能力已经达到了人 类专家的水平。虽然 es 能成功地解决某些专门领域的问题，但实践表明，它离专家 的水平还有较大距离，主要有以下几方面 (1) 知识获取的“瓶颈”问题。由于专家知识有一定局限性，专家知识表述规则 化有相当大的难度，造成诊断知识库的不完备，表现为当遇到一个没有相关规则与 之对应的新故障现象时，系统显得无能为力。知识的表示是一种显式表示，一般为 ifthen的形式，而有些问题是很难用这种形式表示。在知识的推理上，传统的 es 是用串行方式，其推理方法简单，控制策略不灵活，容易出现“匹配冲突” 、 “组 合爆炸”及“无穷递归”等问题，且推理速度慢、效率低； (2) 模拟专家思维过程的单一推理机制的局限性。系统的求解能力完全局限于知 识库中仅有的规则，对知识获取时专家知识具有不一致性、不完全性和不准确性， 系统不能在实例系统中自我完善。es 的实时性也比较差，其诊断推理的机制决定了 基于知识的 es 满足不了在线监测的实时性要求； (3) 系统缺乏自学习和自完善能力。现有的故障诊断 es 在运行过程中不能从诊 断的实例中获得新的知识，并且对一些新奇的故障和系统设计的一些边缘问题求解 具有很强的脆弱性。系统缺乏自学习能力。传统 es 自身的一些固有缺陷已成为 es 技术进一步发展和走向实用化的主要障碍1213。 基于知识的 es 的研究起步较早，目前在诊断中已有成功的利用。nn 理论由于 具有处理不断定信息的能力，因此通常和 es 结合，作为前处理和后处理。nn 技术 由于它强大的并行计算能力和自学习功能及联想能力，很适合故障分类和模式识别。 nn 虽基于大规模的数值计算，具有学习能力，但不具有解释的能力，es 基于符号 湘潭大学硕士学位论文 7 的推理系统，它成在知识获取困难的缺点，但具备解释的功能，因此 nn 和 es 可以 优势互补36。 es 与 nn 的发展与结合，即 nnes。与传统 es 相比在知识获取、并行推理、适 应性学习、联想、容错能力等方面显示出明显的优越性。它既有 es 的知识与人机交 互，又有 nn 的并行分布式处理、非线性、模糊推理和自动知识获取，形成一个新型 的高智能的系统，这是智能发展的必由之路，二者的结合发展必将在诊断工程中具 有美好的应用前景。 1.3.3 ga 在诊断中的应用 ga 是一种基于自然选择和群体遗传机理的搜索算法，它模拟了自然选择和自然 遗传过程中发生的繁殖、杂交和突变现象。在利用 ga 求解问题时，问题的每个可能 的解都被编码成一个“染色体” ，即个体，若干个个体构成了群体(所有可能解)，可 以看作是一个由可行解组成的群体逐代进化的过程。 近年来，ga 在故障诊断中的研究又形成了一个新的热点。如在 nn 方法故障诊 断中多采用前馈型 bp 网络，由于 bp 网络存在收敛速度慢，易陷入局部极小和全局 搜索能力差等方面的缺陷，因此，采用 ga 优化 bp 网络的权值，可进一步将基于 ga 的遗传进化和基于梯度下降的反训练结合，利用 ga 的全局搜索能力和 bp 算法 的局部搜索能力，以最快速度获得网络的最优连接权值。 1.3.4 故障诊断预测的 nn nn 技术在故障诊断中的应用主要有 bp(back propagation)网络、模糊神经网络、 多层感知机、学习向量分层2 网络、kohonen 自组织特征分类器等多种分类器36。 nn 技术以其高度的并行分布式处理、自组织、自学习能力和极强的非线性映射 能力，在模式识别、信号处理、组合优化、图像识别等众多领域显示了广阔的应用 前景。 基于 nn 的故障诊断同样存在一定的缺陷： 它未能充分利用许多特定领域中专家 积累起来的宝贵经验，只利用一些明确的故障诊断事例，而且需要有足够的学习样 本，才能保证诊断的可靠性。由于 nn 从故障事例中学到的知识只是一些分布权重， 而不是类似领域专家逻辑思维的产生式规则，因此，诊断推理过程不能够解释，缺 乏透明度。 nn 的快速发展为智能诊断技术提供了一种新的方法，能解决许多生产实际中的 难题。但其仍然存在许多急需解决的问题：如诊断推理中的知识获取与学习问题， 使 nn 能随着经验的不断积累进行自我调整，包括网络输入、输出内部节点的增删以 及网络权值的调整等；诊断 nn 越复杂，数据库越大，包括的外部激励方式和缺陷的 类型越全面，其应用潜力就越明显，但也就更需要大量的试验数据建立数据库。这 些问题还需要进一步的深入探讨。 湘潭大学硕士学位论文 8 故障预测的 nn 主要以两种方式实现预测功能 (1) 以 nn 作为函数逼近器，对结构在役工况的某参数进行拟合预测； (2) 考虑输入输出间的动态关系，用带馈连接的动态 nn 对结构在役过程或工况 参数建立动态模型而进行故障预测。 目前应用 nn 进行故障预测还处于比较低的水平，网络训练的收敛速度慢，使之 只能处理历史记录数据，而无法在线应用。如何在提高网络训练速度的同时，又能 保证一定的预测精度，是目前需要解决的问题。 1.4 选题的背景和意义 现代建筑物的主要材料钢筋混凝土是非均匀的、多孔的、多变的各向异性复合 材料，它不仅有着复杂的结构，而且其性质的分散性极大。混凝土的性质随着原材 料的性质、水分含量、生产季节甚至原材料的产地和批号等因素，都可能发生很大 的变化。对土木工程中进行无损检测方法和诊断技术上的改进尤显重要。 (1) 混凝土结构监测诊断技术的需要 由于材料本身的老化、过度使用、超载、环境侵蚀等，任何混凝土结构的性能 都会随时间劣化。我国城镇现有建筑已超过 80 亿平方米，其中 20 世纪 60 年代以前 的占 43%左右，相当多的建筑已进入了中老年期。有近 40 亿平方米的建筑物有可能 出现质量问题， 其中近 10 亿平方米急需加固才能正常使用。 我国现有公路桥 5000 余 座，总长 130 公里，1/3 以上的桥梁都存在结构性缺陷、不同程度的损伤和功能性 失效的隐患，其中重要的高层建筑、桥梁、水坝、地下工程更是急需要安全监测、 诊断和维修加固。 只有可靠的监测及诊断技术才能提供可靠的数据，确定建筑物的劣化程度，为 修补、加固措施提供依据，以减少维修费用。另外，随着已有的建(构)筑物不断增多 与老化，对其进行经常性的管理已经提到重要的议事日程上来，只有用可靠的无损 检测技术，实时、现场、连续的测量和监测，才能提供准确的数据，才能以成本低、 费时少的方式，起到监督和诊断的作用。 (2) 混凝土结构安全性评价的需要 目前我国土木工程事故频发，造成重大的人员伤亡及财产损失，同时，地震、 台风、洪水等自然灾害破坏性行为对建(构)筑物造成的损伤，已引起人们对重大工程 安全性的重视。对于一些重要结构，在经历了大的灾害事件后，迫切需要对他们的 健康状况做出评估。 加强对土木工程结构的监测和诊断，及时发现结构的损伤，评估其安全性已成 为未来工程的必然要求。因而迫切需要一种新型、实时、在线监控混凝土结构状态 的监测诊断技术，这也是土木工程发展的一个重要领域。 (3) 混凝土技术发展的需要 湘潭大学硕士学位论文 9 混凝土技术的发展对无损监测诊断技术提出了更新、更高的要求。高强高性能 混凝土适应了高层、大跨度、重载等现代土木工程对结构强度高、刚度大、耐久性 好的要求，同时还满足现代化生产施工的要求，因此是混凝土的一个重要发展方向。 但超高强混凝土目前还存在着两大问题，一是随着强度的提高，混凝土的脆性明显 上升；二是配制工艺的不成熟，强度的不稳定2。而现阶段对于高强度的混凝土，尚 没有可靠的无损监测诊断方法。 高性能混凝土以耐久性为主要设计目标，具有足够的强度，耐久性优异。随着 人们对混凝土耐久性问题的重视以及混凝土科学的发展，混凝土的耐久性要求越来 越高，从 50 年到 100 年乃至 200 年，而象三峡大坝这样的巨型工程，应有 500 乃至 于 1000 年的寿命极限28。 对于这类永久性或纪念性的建(构)筑物的混凝土结构， 必须要有可靠技术对其进 行实时、连续、简便快捷且长龄期、超长龄期的监测和现场检测。 综上所述，对已建成的结构和设施采取有效的手段监测和评定其安全状况、修 复和控制损伤，对新建的结构和设施总结以往的经验和教训，增设长期的健康监测 和诊断系统，已成为土木工程界的热点课题。 本文研究的目的和意义：本课题基于混凝土结构损伤模型与损伤裂缝数值分析 的基础上，通过把 nn 技术、es 与 ga 融合在一起，建立一种新型的智能诊断系统。 应用此系统对混凝土结构进行诊断，不但给出结构是否受损，而且能给出损伤位置、 损伤程度及预测使用寿命。与以往的监测诊断系统相比，此系统具有高鲁棒性，高 精度，大大提高了诊断的速度与精度。本课题所建成的智能诊断系统具有高效，可 靠和良好的社会经济效益。 1.5 本文主要的研究工作 本文在对现有故障诊断与预测控制技术深入研究的基础上，分析和总结了有关 的研究经验和成果，提出新的混凝土结构智能诊断方法，并将其应用于混凝土结构 诊断中，为混凝土结构无损评价提供一种新的行之有效的方法。 (1) 本文研究的主要内容 1) 损伤模型及损伤裂缝数值分析。建立科学的混凝土结构的损伤模型是对混凝 土结构进行智能诊断与损伤程度评估的基础性工作；对混凝土结构损伤裂缝进行数 值分析，大部分混凝土结构损坏是从裂缝开始的，因此必须重视混凝土的裂缝分析 与处理。 2) 建立由 nn、es 与 ga 相结合的智能诊断系统。 3) 用 visual c+语言编写混凝土结构诊断程序，运用 matlab-nn 工具箱对系 统进行实验，并对实验结果进行分析、对比。 (2) 本文的创新点 湘潭大学硕士学位论文 10 1) 建立混凝土结构的损伤模型，对混凝土结构损伤裂缝进行数值分析； 2) 建立由 nn 技术、es 与 ga 相结合的智能诊断系统； 3) 用 visual c+语言编写应用程序， 运用 matlab-nn 工具箱对系统进行实验， 以检验系统的性能。 (3) 本文的重点与难点 1) 损伤模型及损伤裂缝数值分析。建筑结构损伤大多以损伤裂缝的形式表现出 来，建立混凝土结构单裂缝和多裂缝数值分析模型并进行数值分析是第二个重点与 难点； 2) es 是一种模拟土木工程专家解决土木工程健康诊断与安全评定领域问题的计 算机程序系统，其内部含有大量的土木工程领域的健康诊断与安全评定的知识与经 验，可以用来解决健康诊断与安全评定问题。专家系统具有准确、效率高、不受环 境影响等优点。但是，建立适用、科学的混凝土监测诊断 es 仍是一个待解决的问题； 3) ga 的应用。由于 ga 的局部寻优能力较弱，当接近局部极值点时，其个体适 应度改进的速度更加缓慢。选用局部寻优能力较强、耗时不多、且易于编程实现的 模式法，对若干代群体中新产生的最优个体进行局部寻优，以增加整体算法的局部 寻优能力又是一个待解决的问题； 4) bp 网络算法的改进。为适应现场应用的要求，bp 算法须具有准确、快速、 实时的特点。如何对 bp 算法进行改进以满足现场自动诊断的要求，特别对故障预测 而言，利用常规的 bp 算法预测时，由于算法自身的原因，预测精度较低。如何改进 bp 算法以提高故障诊断与预测精度成为另一个难点； 5) 利用 nn 与 es 进行故障诊断与预测时，由于其自身的缺点，在构建诊断与预 测系统指导实践时，存在很多不足，有必要把 nn、es 与 ga 等其它智能诊断与预 测方法进行有效的结合，形成混合智能诊断与预测方法以更好的指导运行。如何将 nn、es 与 ga 等智能诊断技术进行有效的结合，恰当有效地应用到混凝土结构监测 诊断中也是有一定的难度； 6) 编程与实验。用 visual c+语言编写混凝土结构诊断的应用程序，并运用 matlab-nn 工具箱对系统进行实验，且对试验结果进行分析，也是重点与难点。 湘潭大学硕士学位论文 11 第二章 混凝土结构损伤模型及数值分析 建筑结构工程必须具有一定的可靠性、安全性及耐久性等性能，否则就会出现 在役“建筑病害” 。所谓建筑病害就是建筑工程质量事故和质量缺陷的理性的综合。 建筑病害的存在，会严重影响混凝土结构在役的健康状况，威胁到结构使用的经济 性、安全性。近年来建筑工程事故的频繁发生已引起人们对混凝土结构工程安全性、 耐久性和日常使用功能的重视，鉴定建筑结构物的健康状态是一项急需解决的工程 问题，混凝土结构健康监测与诊断系统的开发应运而生。 2.1 混凝土结构损伤理论 建立科学的混凝土结构的三维损伤模型是对混凝土结构进行智能监测诊断与损 伤程度评估的基础性工作。钢筋混凝土的损伤值，除了与荷载作用下的最大变形， 循环累积效应影响有关外，还与诸如钢筋混凝土基体的原始损伤，环境影响下的收 缩，徐变等因素有关，是一个多变量函数37。ottosen 模型、darwin-pecknold 模型等 模型中未显含损伤参数，依据与之定义适当的损伤参量以表征损伤的存在和进程， 而且直接利用了现有的成熟理论与专家经验，不需另外建立本构关系和损伤演化的 方程体系，也不需进行新的参数标定实验，从建模方法上保证了与现有成熟结论的 一致性。具有的优点是38-39 (1) 建模理论性强，充分利用现有混凝土结构的三维变形和强度实验的结果，损 伤模型体系比较完整； (2) 模型塑性本构关系中未显含损伤参量，在求解损伤的演化速率与当前应力状 态耦合问题中，降低了计算量和求解难度； (3) 建模从基本原理出发导出增量型的塑性本构关系和损伤演化方程，所导出的 全量变形和破坏规律与现有较成熟的、且与实验比较符合的本构关系和强度定律之 间保持普遍一致。 2.1.1 混凝土损伤的力学宏观分析及物理机理分析 (1) 混凝土损伤的力学宏观分析 混凝土属于多孔介质材料，当受到一定的外力作用后，其内部往往会在骨料界 面附近产生许多微裂纹(损伤)， 其开裂面大体上同最大拉应力或最大拉应变方向垂直 4。实验表明，裂纹主要沿骨料界面发展，使混凝土的应力应变关系曲线出现“应 变软化”效应，应变的软化将引起材料内部结构的局部应力重新分布40。 进行损伤力学分析时，将混凝土应力张量分解为应力球量和应力偏量，相应的 应变分解为应变球量和应变偏量。混凝土材料在非均匀压缩下，则呈现出偏量空间 的宏观应变软化和球量空间的体积致密强化；在非均匀拉伸下，则表现为偏量空间 和球量空间都呈现为应变软化41。 湘潭大学硕士学位论文 12 (2) 混凝土损伤的物理机理分析 混凝土是一种由硬化水泥浆、细骨料(砂)和粗骨料(石子)混合而成的非均匀多相 颗粒复合材料，并含有各种形状的空隙，其中粗骨料、细骨料、水泥浆体的组成、 分布及结合状态都具有高度的随机性，而且骨料、水泥浆基体及混凝土的力学性能 也各不相同，其力学性能指标如强度、弹性模量等也只是在统计意义上才具有相对 稳定的数值42。 混凝土作为一种典型的非均质材料，在多种尺度下表现出了非均质性。其内部 的细观结构及其变化决定了其力学特性。根据复合材料的观点，将混凝土结构分为 三级 第一级，即混凝土。可将砂浆视为基相，骨料视为分散相。骨料和砂浆的结合 面为薄弱面，该处常因各种原因产生结合缝，混凝土的破坏首先从这里开始； 第二级，即砂浆。可将水泥视为基相，砂视为分散相。砂和水泥的结合面也是 薄弱面，也产生结合缝，但其尺寸笔砂浆和骨料之间的结合缝至少小一个量级； 第三级，即硬化水泥浆。硬化水泥浆也不是匀质材料，其中包裹着一些未被水 化的水泥颗粒及孔隙，这就是缺陷。因此可将硬化水泥浆胶体视为基相，将这些缺 陷视为分散相。水泥浆体的破坏可能从这些缺陷开始，裂纹由于克服硬化水泥浆分 子间的引力而扩展。未被水化的水泥颗粒尺寸通常比砂和水泥浆的结合缝至少小几 个量级。 从损伤力学角度，称上述混凝土的缺陷为损伤。当混凝土体受到外界因