[發明專利]一種優化的基于神經網絡的橋梁損傷識別方法

在審

• 申請號: 201410363614.6
• 申請日: 2014-07-28
• 公開（公告）號: CN104200004A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 吳朝霞;金偉;王立夫;趙玉倩;邵元隆;李俞成
• 申請（專利權）人: 東北大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/02;G06K9/66
• 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

1.一種優化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全橋的實體有限元模型，對該實體有限元模型進行修正，并利用修正后的實體有限元模型模擬不同荷載情況下橋梁不同位置的受力情況，獲得橋梁完好及不同損傷情況下的模擬應變數據，將相應的應變變化率作為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所述的優化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。

3.根據權利要求1或2所述的優化的基于神經網絡的橋梁損傷識別方法，其特征在于，步驟S1中所述的對該實體有限元模型進行修正包括：采用均勻設計法對該實體有限元模型進行一次修正，具體包括以下步驟：

X1，選取目標函數Q(x)和待修正的m個參數變量X；

X2，將每個參數變量的取值劃分為n個水平；

X3，根據均勻設計表及其使用表選取參數水平組合進行試驗；

X4，將每次試驗得到的靜力數據與實測靜力數據帶入目標函數和誤差指標函數中即得每次試驗的結果；

X5，比較各個試驗結果，得目標函數與誤差指標函數最小時的參數水平，基于此參數水平的有限元模型即一次修正后的基準有限元模型。

4.根據權利要求3所述的優化的基于神經網絡的橋梁損傷識別方法，其特征在于，所述的對該實體有限元模型進行修正還包括：利用均勻設計法選取試驗點生成響應面，采用響應面法對該實體有限元模型進行二次修正，具體包括以下步驟：

a，通過均勻設計表獲得橋梁隨機參數變量X的n_s個樣本點，通過均勻設計試驗即得響應面目標函數的樣本點數值Y，Y＝{y₁,y₂,...,y_ns}；所述的參數變量X＝[E，ρ，μ]，其中，E為混凝土彈性模量，ρ為混凝土密度，μ為泊松比；

b，利用參數變量X和目標函數的樣本點數值Y回歸分析得待定因子的最小二乘估計值，進而獲得響應面函數；

c，對響應面函數進行優化，得響應面目標函數與誤差指標函數最小時的參數變量取值，基于此參數變量的結構有限元模型即為橋梁二次修正后的有限元模型。

5.根據權利要求1～4任一所述的優化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所述的優化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所述的優化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1所述的優化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。