基于WPT-SVD和GA-BPNN的混凝土结构损伤识别

作     者：戴理朝 曹威 易善昌 王磊 DAI Li-zhao;CAO Wei;YI Shan-chang;WANG Lei

作者机构：长沙理工大学土木工程学院湖南长沙410114 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2023年第57卷第1期

页      面：100-110,132页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 081402[工学-结构工程] 081304[工学-建筑技术科学] 0835[工学-软件工程] 0813[工学-建筑学] 0814[工学-土木工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划资助项目(2021YFB2600900) 国家自然科学基金资助项目(52278140,52008035) 湖南省自然科学基金资助项目(2020JJ1006,2021JJ40574) 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(22KE02) 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(SJCX202028) 

主　　题：混凝土结构 损伤识别 压电波动法 奇异值分解 神经网络 

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%.