基于时间序列与神经网络的海洋平台结构损伤识别研究

本研究论文《人工智能-基于时间序列分析与神经网络的结构损伤识别研究》由青岛理工大学的硕士研究生于菲撰写，她的专业领域是结构工程，指导教师为刁延松。论文的核心内容聚焦于解决工程结构在服役过程中可能遭遇的损伤识别问题，这是保证结构安全、预防灾难性后果的关键步骤。 论文首先概述了基于振动响应分析的结构损伤识别方法，强调了这种方法在实际应用中的广泛性，同时也指出了存在的局限性，例如识别精度和鲁棒性可能受到外部因素（如环境侵蚀、意外事故）和噪声干扰的影响。 针对海洋平台这种特殊环境下的结构，作者提出了一种创新的损伤识别策略。利用时间序列分析中的自回归（AR）模型，对结构的加速度响应进行动态建模，通过比较损伤前后AR模型中前3阶系数的变化，形成损伤特征向量，这些向量作为输入到多层感知器（BP）神经网络进行分类。这种方法旨在提高识别的准确性，即使在存在一定程度的测量噪声情况下，只要噪声不超过3%，仍能有效识别损伤位置。 为了验证方法的有效性，论文通过数值模拟对海洋平台单个构件和两个构件的损伤识别进行了测试，结果显示在低噪声环境下，识别准确度很高。进一步的实证研究则使用了海洋平台的冲击响应实验数据和振动台实验数据，结果显示在9种冲击响应实验工况中有6种和3种振动台实验工况中有2种得到了准确识别。值得注意的是，在振动台实验中，由于实验数据相对有限，训练样本主要依赖于数值模拟数据，而实验数据主要用于测试，这验证了该方法在实际应用中的可行性。 这篇论文将时间序列分析与神经网络技术相结合，为海洋平台结构的损伤识别提供了一种新的、实用的方法，对于提高结构健康监测和早期预警系统的性能具有重要意义。关键词涵盖了损伤识别、时间序列分析、神经网络、AR模型以及海洋平台等核心概念，展示了作者在该领域的深入理解和研究。