[發明專利]一種改進的基于神經網絡的橋梁損傷識別方法

在審

• 申請號: 201410363603.8
• 申請日: 2014-07-28
• 公開（公告）號: CN104200265A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 吳朝霞;金偉;李俞成;黃艷南;胡利朋
• 申請（專利權）人: 東北大學
• 主分類號: G06N3/02
• 分類號: G06N3/02
• 代理公司: 北京聯創佳為專利事務所(普通合伙) 11362
• 代理人: 郭防;劉美蓮

1.一種改進的基于神經網絡的橋梁損傷識別方法，其特征在于，包括以下步驟：

S1，構造樣本數據：利用有限元方法建立橋梁模型，獲得橋梁完好及不同損傷情況下的模擬 應變數據，并將應變變化率作為BP神經網絡的樣本數據；

S2，確定網絡拓撲結構：確定BP神經網絡隱含層的層數及各個層所含神經元的個數；同時 初始化神經網絡的權值閾值；

S3，訓練及測試：采用梯度下降動量算法對BP神經網絡進行訓練并利用測試樣本對神經網 絡進行測試；

S4，損傷識別：將橋梁的實時應變數據輸入訓練好的BP神經網絡，實現橋梁的損傷識別； 其中，所述的橋梁的實時應變數據是通過最優布設的傳感器獲得的，且以最少的不可識別模 型的個數Y_min為目標函數，Y_min所對應的傳感器的布設位置即為最優的傳感器布設。

2.根據權利要求1所述的改進的基于神經網絡的橋梁損傷識別方法，其特征在于，步驟S1 中所述的利用有限元方法建立橋梁模型是指利用通用有限元計算軟件ANSYS建立全橋的實 體有限元模型。

3.根據權利要求2所述的改進的基于神經網絡的橋梁損傷識別方法，其特征在于，步驟S1 中所述的獲得橋梁完好及不同損傷情況下的模擬應變數據包括：使用ANSYS軟件對模型進 行分析，利用Block?Lanczos方法提取未損傷狀況下的固有頻率和頻率的模態振型，根據模 態振型中模態位移的大小及實際橋梁傳感器的安裝位置選取損傷位置；采用降低彈性模量的 方法模擬不同位置不同程度的損傷；再使用APDL語言中*get命令即提取得到不同程度不同 位置損傷情況下的應變數據。

4.根據權利要求3所述的改進的基于神經網絡的橋梁損傷識別方法，其特征在于，步驟S1 中所述的應變變化率為：其中，ε_μj為未損傷狀況的第j個位置的應變數 據，ε_sj為損傷狀況下的第j個位置的應變數據，S_ij為應變變化率。

5.根據權利要求1～4任一所述的改進的基于神經網絡的橋梁損傷識別方法，其特征在于， 步驟S2中，采用云粒子群算法初始化神經網絡的權值閾值。

6.根據權利要求5所述的改進的基于神經網絡的橋梁損傷識別方法，其特征在于，所述的 采用云粒子群算法初始化神經網絡的權值閾值具體包括：

a.通過BP神經網絡確定權值閾值長度；

b.根據BP神經網絡的結構和樣本數據規模確定粒子群的規模，并按照云粒子群算法的步驟 進行迭代搜索，直到超過設定的迭代次數時停止；搜索到的具有最優適應度的粒子即初始權 值。

7.根據權利要求6所述的改進的基于神經網絡的橋梁損傷識別方法，其特征在于，步驟a 中所述的權值閾值長度為[0,1]。

8.根權利要求6所述的改進的基于神經網絡的橋梁損傷識別方法，其特征在于，步驟S4中 所述的最優的傳感器布設具體包括：

A1，建立n種損傷情況下的有限元損傷模型，并提取各種損傷情況下各傳感器潛在位置i處 的應變預測值p_ij，其中，i為傳感器的潛在位置，j為損傷情況，1≤j≤n；

B1，根據傳感器的測量精度，將傳感器潛在位置i處的應力預測值p_i劃分為若干區間，相應 的應力預測值處于同一區間的損傷模型即為不可識別損傷模型；將包含兩個或兩個以上的模 型的區間設為集合b_ik，其中，k為不可識別損傷數，0≤k＜j；集合b_ik中的元素為各種不 可識別的損傷狀態且多個b_ik組成集合B_i,B_i＝{b_i1∪b_i2...∪b_ik}；

C1，若各傳感器的潛在位置個數為m，傳感器的個數為s，計算Y＝{B₁∩B₂...∩B_s}；子集 中元素數量最少的數目即為最少的不可識別模型的個數Y_min,Y_min所對應的傳感器的布設位置 即為最優的傳感器布設。