[發明專利]一種基于神經網絡的橋梁整體損傷預警方法

在審

• 申請號: 201711085667.6
• 申請日: 2017-11-07
• 公開（公告）號: CN107871161A
• 公開（公告）日: 2018-04-03
• 發明（設計）人: 肖鑫;劉曉光;趙欣欣;鞠曉臣;蔣欣;左照坤;楊懷志
• 申請（專利權）人: 中國鐵道科學研究院鐵道建筑研究所;中國鐵道科學研究院;中國鐵路總公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01M13/00
• 代理公司: 北京君泊知識產權代理有限公司11496
• 代理人: 王程遠,胡玉章

技術領域

本發明涉及鐵路橋梁技術領域，具體而言，涉及一種基于神經網絡的橋梁整體損傷預警方法。

背景技術

橋梁在鐵路運營中起著至關重要的作用，而隨著鐵路橋梁的服役時間的增長，受外界環境和結構本身的影響，橋梁或多或少都會出現一定損傷，而當這些損傷達到一定程度時，將會危及行車安全。目前都是通過在橋梁上合適部位安裝一定的傳感器，采集橋梁響應，并對這些采集到的數據進行處理分析，提取能表征橋梁結構的特征參數，對這些參數進行分析，觀測橋梁結構性能變化，從而實現損傷預警。

現有的針對橋梁結構損傷預警方法和理論存在一些不足，具體體現在以下幾方面：

1、通常采用的方式是進行閾值預警，當橋梁監測值超過一定限值即認為橋梁結構出現了損傷，未能充分挖掘長期監測數據的價值，也不能定量的分析出橋梁結構出現損傷的程度，造成了大量監測數據的浪費；

2、不同的橋梁結構類型可能對損傷指標的敏感程度不一，這就需要有針對性的選取預警指標，但現有的損傷預警指標并不能完全反映橋梁的實際損傷情況；

3、精度低、穩定性差、適用性不強。

發明內容

為解決上述問題，本發明的目的在于提供一種基于神經網絡的橋梁整體損傷預警方法，根據橋梁的健康監測數據，分析橋梁自振頻率，并以此為損傷預警指標，建立了完善的損傷預警流程，并結合神經網絡，提高了該方法的適用性和穩定性。

本發明提供了一種基于神經網絡的橋梁整體損傷預警方法，包括：

步驟1，采集健康狀況下橋梁在一段時間內的監測數據；

步驟2，通過采集到的監測數據分析橋梁結構的自振頻率；

步驟3，根據橋梁現場環境，分析對步驟2中的自振頻率產生影響的若干個影響因素；

步驟4，將步驟2中的自振頻率和步驟3中的影響因素作為訓練樣本，建立訓練樣本數據庫，采用BP神經網絡算法，建立這些影響因素與自振頻率之間的BP神經網絡模型，并對BP神經網絡模型進行訓練、測試；

步驟5，采集當前狀況下橋梁的監測數據，求得自振頻率，并將該自振頻率作為檢驗樣本；

步驟6，根據步驟4中建立好的BP神經網絡模型，模擬當前影響因素下的橋梁自振頻率，得出擬合頻率值f_s，將其作為健康樣本；

步驟7，將健康樣本和檢驗樣本進行假設檢驗，觀測兩者是否存在顯著性差異：

如果存在顯著性差異，則認為當前的橋梁結構發生了損傷，進行損傷預警；

如果不存在顯著性差異，則認為當前的橋梁結構處于安全狀態，并將當前的檢驗樣本擴充到訓練樣本數據庫中，重新對步驟4中建立好的BP神經網絡模型進行訓練。

作為本發明進一步的改進，步驟4具體包括：

步驟401，確定BP神經網絡模型的拓撲結構：

確定BP神經網絡模型的輸入層、輸出層、隱含層層數及各隱含層所包含的神經元個數；

步驟402，選用影響因素作為BP神經網絡模型的輸入量，以自振頻率作為輸出量，建立訓練樣本數據庫；

步驟403，將訓練樣本數據庫中的大部分數據作為訓練樣本，將其余一小部分作為測試樣本，采用共軛梯度法對BP神經網絡進行訓練并利用測試樣本對BP神經網絡模型進行測試。

作為本發明進一步的改進，采用經驗法確定隱含層層數，隱含層所包含的神經元個數采用目標函數確定，其中，目標函數定義為輸出值和目標值之間的誤差平方和，當該目標函數達到最小時，隱含層所包含的神經元個數最優。

作為本發明進一步的改進，步驟7具體包括：

步驟701，以訓練好的BP神經網絡模型模擬出的擬合頻率值f_s作為健康樣本，健康樣本的均值為μ_s；

步驟702，以當前影響因素下橋梁自振頻率的實測頻率值f_m作為檢驗樣本，檢驗樣本的均值為μ_m；

步驟703，對健康樣本和檢驗樣本進行假設檢驗，檢驗假設為：

H₀:μ_s＝μ_m

H₁:μ_s≠μ_m

如果接受假設，即H₀成立，此時μ_s＝μ_m，則健康樣本和檢驗樣本沒有明顯差異，即橋梁結構無明顯損傷，無需進行橋梁結構的整體損傷預警；