基于神经网络的柔性结构损伤模式识别方法

提出一种基于人工神经网络 ( ANN—— Artificial Neural Network)的柔性结构损伤模式识别方法 ,将神经网络用做损伤模式的分类器。引入通过对输入模式的增强来实现多种模式分类的函数连接型神经网络构成损伤模式识别方法。通过对柔性悬臂梁结构的损伤识别实验表明 ,该方法运用于模式较少的场合非常有效 ,并且网络结构简单 ,学习速度快。实验中采用 PVDF压电薄膜作为信号获取元件 ,并且以柔性结构多个位置传感器的输出值的相对值作为模式识别中的特征向量 ,识别时对梁的振动幅度没有固定要求。实验结果表明 。

强腐蚀桥梁钢Q345的J-C本构模型及数值模拟

为了研究桥梁钢Q345在强酸腐蚀下的应力流动变化规律,将18根桥梁钢Q345试件置于质量分数为36%工业盐酸中,分别浸泡0、1、4、12、48、72 h,并通过准静态拉伸试验得到工程应力-应变曲线,利用Origin软件对颈缩前的真实应力-应变曲线进行拟合,获得了基于J-C模型的强腐蚀桥梁钢Q345弹塑性本构关系。在此基础上,建立ABAQUS有限元模型并加入柔性金属损伤演化以模拟钢板的应力流动规律及颈缩破坏,分析不同强酸腐蚀时间对桥梁钢Q345力学性能退化的影响。结果表明:腐蚀率为0.53%、1.22%、2.47%、4.12%、4.98%的桥梁钢Q345弹性模量分别下降了1.26%、2.36%、4.04%、7.01%、10.93%,屈服强度分别下降了0.61%、2.61%、3.56%、5.37%、6.82%,极限强度分别下降了0.42%、2.31%、3.57%、4.58%、6.42%;腐蚀时间超过12 h后,桥梁钢板的力学性能下降速率曲线较为平缓。J-C本构模型能很好地模拟强腐蚀下桥梁钢的应力流动,采用柔性损伤演化能准确地模拟强腐蚀钢材的延性退化行为。