工程结构随着使用时间的延长,不可避免地发生老化,自然灾害的频繁发生也对其造成不同程度的损伤。结构损伤的检测及修复对于减少生命财产损失具有重要的作用。同时,尽早发现结构损伤,可以大大降低维修、维护的费用。因此,对工程结构的损伤识别、定位具有十分重要的意义。结构损伤检测技术已被广泛应用于航天、土木、机械和核工业中,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之上的多学科综合性技术。相对于传统的结构损伤检测方法,本论文主要对基于遗传神经网络的结构损伤检测技术理论与应用进行研究。本文通过理论分析了适合结构损伤位置和损伤程度识别的组合参数法(此组合参数是由固有频率的变化信息和少数选定点的模态分量合成的向量),在此理论的基础上,分别对一个框架结构和一个悬臂梁结构进行了损伤数值模拟,同时采取合适的方法构造改进型BP—GA神经网络的输入参数,应用训练后的神经网络对结构进行损伤检测。本论文的主要工作有下面几个内容:首先,通过对神经网络的工作原理进行分析,得出在理论上它能够对结构的损伤进行识别。利用模态参数进行结构破损诊断是国内外研究的热点和难点。本文提出了基于改进型BP神经网络进行结构破损诊断的方法。BP网络由于具有强大的映射能力、容错性和鲁棒性等优点,非常适合解决破损诊断这类问题。但随着研究的深入,BP网络在应用中遇到了两个主要问题:(1)难以确定网络结构和初始值;(2)易陷入局部最小解。针对BP网络的不足,本文提出了一种基于遗传算法GA—BP网络的混合技术进行结构破损诊断的方法。该方法采用实数编码的遗传算法优化BP网络的结构及初始参数,从而提高了网络的精度。对比遗传BP网络与普通BP网络对三个仿真算例的识别结果,遗传BP网络的稳定性更好,精度更高,对噪声有很强的鲁棒性,是一种准确有效的结构破损诊断方法。