随着多高层建筑的飞速发展,为确保建筑物的安全和正常使用,多高层建筑结构损伤检测技术的研究己成为当前热点。因此,研究多高层框架结构的损伤诊断问题具有实际意义。 结构损伤诊断技术是当前结构工程学科十分活跃的研究领域并有广阔的工程应用前景,相关的理论和技术正在不断发展。小波分析是近十几年国际上工程应用研究的一个前沿领域,它被认为是傅立叶分析方法的突破性发展,是一种新的时一频两维分析方法。大多数结构动力响应信号的高频部分比低频部分的频率成分更密集,结构损伤是典型的局部现象,多数损伤信息能在高频或细节成分中捕获。小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对细节的高频部分进一步分解,并能根据被分析信号的特征,自适应的选择相应的频带,使之与信号的频谱相匹配,从而提高了时频分辨率。 本文在探讨已有损伤检测方法的基础上,基于小波变换的时频局部化特性及人工神经网络的非线性映射特性,提出一种基于能量原理的结构损伤诊断方法,将小波变换和人工神经网络的优点结合起来。从框架结构损伤信号小波变换的分量中提取各频带能量,最后将这些特征输入人工神经网络,以损伤状态作为输出,进行训练和分类,成功地诊断了结构损伤的发生、位置和程度。仿真模拟试验显示了该方法的合理性,结果表明训练成功的神经网络可以作为智能分类器对框架结构损伤进行有效的识别和诊断。 基于小波包分解的时频能量,能够从损伤信号频率尺度随时间的变化,以及时间变化在频域的响应两个方面综合反映信号特征,比现有的方法有更高的灵敏度,能检测到振动结构中较小的损伤,是一个对损伤敏感的特征量。结果表明,将小波包分析和神经网络方法联合应用于结构损伤诊断是切实可行的,且诊断效果良好。 本文的研究得到教育部博士点专项利研基金(20040386004)的资助。