[發明專利]基于神經網絡的橋梁損傷識別方法

在審

• 申請號: 201410364426.5
• 申請日: 2014-07-28
• 公開（公告）號: CN104200005A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 吳朝霞;趙玉倩;金偉;崔寶影;樊紅;黃艷南
• 申請（專利權）人: 東北大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/66;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.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。

2.根據權利要求1所述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_uj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。

5.根據權利要求1～4任一所述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]。