[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

技術領域

本發明涉及一種基于神經網絡的橋梁損傷識別方法，屬于橋梁損傷識別技術領域。

背景技術

橋梁作為交通運輸的關鍵點，在我們的日常生活中承擔著極其重要的角色。正是因為一座座橋梁的存在，使得全國的公路以及鐵路運輸網得以貫通，構成了四通八達交通運輸系統，橋梁對于城市交通的重要性也與日俱增。近幾年隨著我國經濟的飛速發展，我們國家在橋梁建設方面取得了巨大的成就，同時，橋梁工程又是關系到人民生命財產安全的工程，因此橋梁的健康情況需高度重視。但是，隨著橋梁服役期的增長，橋梁自身的內部機構、材料都會慢慢的發生變化，致使橋梁的承載能力降低。當這些損傷積累到一定程度時，橋梁就可能發生事故，橋梁一旦發生重大事故，將會造成難以預估的損失。因此對橋梁進行健康監測就顯得非常重要。

橋梁健康監測的主要工作是借助安裝在橋梁上的監測儀器，分析橋梁的特征參數的變化，并以此來分析橋梁的健康狀況。這些特征參數包括振動、變形、應變、溫度等，可以選取其中的一個或者幾個參數來進行監測分析。在橋梁結構的狀態監測基礎上再做進一步的深入研究——損傷識別。損傷識別依據狀態監測中所得到的數據進行分析，識別出橋梁損傷的部位和損傷程度，為后續的管理決策提供依據，最終實現損傷的預防和控制。

《計算機與數字工程》2010(4)：173-175中的《基于模式識別的橋梁故障檢測》從撓度數據出發，運用模式識別技術和數據分析技術，檢測橋梁中某些類型的損傷和隱患，將模式識別中的近鄰算法與K-均值算法相結合，提出了一種橋梁異常檢測方法。《濟南大學》2010中的《三維網絡自適應生成及其在橋梁裂紋診斷中的應用》，公開了一種在橋梁模型上應用的基于力平衡的網格質量優化算法，利用力的平衡和距離函數尋找節點位置，用Delaunay算法重置拓撲結構，實現了橋梁模型的網格劃分；此外其還公開了將損傷指標法和計算智能法相結合，基于固有頻率和曲率模態比值，用BP神經網絡對橋梁進行裂紋損傷識別。《基于模態參數分析的井架結構損傷識別研究》秦皇島：大慶石油學院，2006，公開了一種基于模態參數，用曲率模態法、柔度差值法進行結構損傷識別的理論與方法，其應用了柔度曲率法進行結構損傷識別，證實了基于柔度差值的損傷定位方法存在模糊或者錯誤定位的問題，曲率模態法可以不依賴損傷前的結構參數，但對于小損傷也存在模糊定位的隱患。《建筑結構振動的遞階分散控制研究》哈爾濱：哈爾濱工業大學，2009，公開了一種建筑結構在遞階分散控制下的損傷識別方法，并給出了基于遞階分散控制的頻率平方靈敏度損傷識別方法。《基于計算智能技術的橋梁結構損傷識別研究》.長春：吉林大學，2008，提出了一種基于粒子群算法和小波神經網絡算法的橋梁結構識別方法。《基于計算智能方法的簡支橋梁損傷識別研究》.長春：吉林大學，2010，其對簡支橋梁進行了分析，采用粒子群優化支持向量機算法，研究了基于振動的橋梁損傷識別。Hakim,S.J.S.Abdul?Razak,H.Structural?damage?detection?of?steel?bridge?girder?using?artificial?neural?networks?and?finite?element?models[J].Steel?and?Composite?Structures,2013，其公開了對于自然頻率和振型的參數變化，采用人工神經網絡算法來進行橋梁的結構損傷識別。但是上述現有的方案用于橋梁損傷識別時，均存在以下缺陷：穩定性差、精度低，且以實際橋梁的監測信息作為網絡輸入時未經優化的算法網絡并不能有效反映橋梁的實際損傷情況。因此仍然需要進行進一步研究。

發明內容

本發明的目的在于，提供一種基于神經網絡的橋梁損傷識別方法，它可以有效解決現有技術中存在的問題，尤其是損傷識別精度較低的問題。

為解決上述技術問題，本發明采用如下的技術方案：基于神經網絡的橋梁損傷識別方法，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(即traingdm)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。