無跡卡爾曼波在高拱壩損傷識別中的應用.pdf

1、目前，重大水工結構的健康監(jiān)測受到了廣泛的關注。結構健康監(jiān)測的本質性任務是利用可測的結構響應信息去識別結構本身的剛度和承載力變化，從而指示出結構損傷位置和程度。怎樣有效地提高這類反問題的算法效率和可靠性是結構健康監(jiān)測的難點，也是我們關注的焦點。
　　本文以二灘高拱壩為研究背景，旨在發(fā)展一種算法能有效地應用在高拱壩的損傷識別。通過神經網絡模擬大壩荷載和響應之間的非線性關系，并結合無跡卡爾曼濾波方法對結構進行損傷反演。為大型水工結構損傷

2、識別提供相關理論依據和技術支撐。
　　（1）根據二灘拱壩工程資料以及相關文獻確定模型的基本材料參數和邊界條件，并通過ANSYS軟件建立大壩有限元模型。分析大壩在組合荷載作用下的靜動力響應，驗證了模型可靠性。
　?。?）本文結合神經網絡代理模型和范數正則化方法，針對高拱壩等大型水工結構，提出了基于神經網絡的無跡卡爾曼濾波損傷識別算法。分析過程中，將壩體合理分成若干子區(qū)域，以子區(qū)域的彈性模量折減來指示損傷，根據壩面節(jié)點靈敏度選擇

3、合理的測點。通過構造神經網絡模型來擬合溫度、庫水位、彈性模量與結構的靜力響應之間的非線性關系，最后無跡卡爾曼濾波算法進行優(yōu)化計算。為了解決反問題求解過程中的不適定性，加入了正則化方法進行算法優(yōu)化。神經網絡具有良好的非線性擬合能力，將其引入能有效避免損傷識別過程中高拱壩有限元模型的反復調用，提高了計算效率。
　　（3）考慮大壩運行過程中長期的溫度和庫水位變化情況，分析溫度和損傷等參數對大壩靜力變化的影響，根據結構的靜力響應信息對邊界