论文部分内容阅读
基于ANSYS有限元软件,采用shell63单元建立架桥机模型,针对TLJ900型架桥机板壳类大型复杂空间结构损伤不易识别的难点,利用多重分步识别方法,采用标准化的频率改变率、归一化的损伤信号、频率平方改变率作为标识量结合概率神经网络及BP神经网络对架桥机损伤识别的三个方面(损伤的是否存在,损伤的几何定位及损伤的定量)进行了全面的研究。为确保架桥机安全作业提供了可靠的依据,为大型复杂机械结构的损伤识别奠定了理论方法。按照论文的顺序在以下几个方面开展了研究工作。(1)针对结构动力学参数所加工成的损伤标识量的不同并类比现阶段反演方法,系统的分析了各种损伤识别方法的适用范围及优缺点。基于上述理论提出本文对架桥机损伤的识别所涉及到的理论方法及研究思路,在此基础上,提出本文的创新点。(2)在不失真的情况下独创性的基于MPC184技术建立了适用于本文损伤识别研究方法的板梁结合的架桥机有限元模型,为样本的均匀选取及节省模型多次运行时间等后续研究工作提供条件。(3)针对架桥机空间结构特点本文将架桥机分为前支腿、后支腿、主梁三个子结构,均匀创建了1007种裂纹工况,基于多重分步损伤识别理论首先将标准化的频率改变率作为标示量输入PNN网络对架桥机损伤所在的三个子结构进行初步定位,很好的识别出了架桥机不同部位不同损伤程度的裂纹所在的子结构位置。(4)在假定主梁被识别出损伤的情况下,在主梁上选取824种样本工况,将主梁划分头部、中部和尾部为三个部分,再次采用标准化的频率改变率作为PNN网络的输入向量对主梁损伤的裂纹位置初步定位,并在假定识别出主梁中部损伤的情况下选取180种样本工况,将标准化的频率改变率和归一化的损伤信号两种标示量输入PNN网络对主梁损伤的对称位置的损伤裂纹进行识别,取得了很好的效果。(5)在假定主梁中部外侧有损伤的情况下选取60中样本工况,采用标准化的频率改变率、归一化的损伤信号作为PNN网络的输入向量对架桥机损伤裂纹的具体位置进行定位,然后将标准化的频率改变率、归一化的损伤信号和频率平方改变率作为BP网络的输入向量对具体位置损伤裂纹的损伤程度进行识别,识别效果表明人工神经网络对架桥机隐蔽性的以单元节点断开形式模拟的裂纹进行识别是可行的并且能将架桥机的裂纹损伤位置和程度锁定在很小的范围。