[發(fā)明專利]一種大跨斜拉橋拉索損傷識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711450716.1
• 申請(qǐng)日: 2017-12-27
• 公開（公告）號(hào): CN108090295A
• 公開（公告）日: 2018-05-29
• 發(fā)明（設(shè)計(jì)）人: 譚冬梅;柳勇;陳武;薛茗;金超;吳浩;毛善明
• 申請(qǐng)（專利權(quán)）人: 武漢光谷北斗控股集團(tuán)有限公司
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;E01D19/16
• 代理公司: 北京眾達(dá)德權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11570
• 代理人: 劉杰

本發(fā)明屬于橋梁技術(shù)領(lǐng)域，公開了一種大跨斜拉橋拉索損傷識(shí)別方法,包括：建立斜拉橋有限元模型；對(duì)所述有限元模型施加模擬風(fēng)荷載，獲得拉索的風(fēng)速時(shí)程曲線；基于所述風(fēng)速時(shí)程曲線計(jì)算得到風(fēng)荷載作用下拉索的應(yīng)力時(shí)程；將所述應(yīng)力時(shí)程和橋梁拉索無傷狀態(tài)下的應(yīng)力時(shí)程進(jìn)行提升小波包分解，提取小波包信號(hào)分量能量并將能量累積變異值作為特征值識(shí)別斜拉索損傷位置；獲取提升小波包分量能量差，并以此建立BP?AdaBoost模型識(shí)別結(jié)構(gòu)損傷程度，并基于結(jié)構(gòu)損傷程度計(jì)算拉索疲勞可靠度。本發(fā)明提供一種大跨斜拉橋拉索損傷識(shí)別方法，具備良好的適應(yīng)性和識(shí)別可靠性。

技術(shù)領(lǐng)域

本發(fā)明涉及橋梁技術(shù)領(lǐng)域，特別涉及一種大跨斜拉橋拉索損傷識(shí)別方法。

背景技術(shù)

現(xiàn)代斜拉橋結(jié)構(gòu)主要由索塔、主梁、斜拉索等構(gòu)件組成，斜拉索作為斜拉橋的關(guān)鍵部分，具有質(zhì)量小、柔度大、低阻尼、高應(yīng)力的特點(diǎn)，大量運(yùn)營實(shí)例表明斜拉索是全橋中使用壽命最低和較易破損的構(gòu)件。在結(jié)構(gòu)整個(gè)服役期內(nèi)，構(gòu)件長期處于風(fēng)載作用下的耦合振動(dòng)狀態(tài)，由此引起的構(gòu)件疲勞損傷問題是不可忽略的。

然而，現(xiàn)有技術(shù)中對(duì)斜拉索損傷位置的識(shí)別，其分解算法相對(duì)復(fù)雜，對(duì)內(nèi)存的需求量較大，運(yùn)行速度慢，導(dǎo)致計(jì)算時(shí)間也較長；此外，其計(jì)算誤差較大，從而往往不能實(shí)現(xiàn)信號(hào)和圖像的精確重構(gòu)。因而對(duì)于大型實(shí)際工程的結(jié)構(gòu)在線健康監(jiān)測(cè)中，計(jì)算周期較長，并且對(duì)于大跨橋梁斜拉索的損傷不能精確地識(shí)別。對(duì)斜拉索的損傷程度進(jìn)行識(shí)別時(shí)，其收斂速度較慢，容易收斂于不同的局部極小，泛化能力較差，因而具有較大的局限性。

發(fā)明內(nèi)容

本發(fā)明提供一種大跨斜拉橋拉索損傷識(shí)別方法，解決現(xiàn)有技術(shù)中損傷識(shí)別定位精度低，損傷程度識(shí)別過擬合和易出現(xiàn)局部最優(yōu)的缺陷的技術(shù)問題。

為解決上述技術(shù)問題，本發(fā)明提供了一種大跨斜拉橋拉索損傷識(shí)別方法，包括：

建立斜拉橋有限元模型；

對(duì)所述有限元模型施加模擬風(fēng)荷載，獲得拉索的風(fēng)速時(shí)程曲線；

基于所述風(fēng)速時(shí)程曲線計(jì)算得到風(fēng)荷載作用下拉索的應(yīng)力時(shí)程；

將所述應(yīng)力時(shí)程和橋梁拉索無傷狀態(tài)下的應(yīng)力時(shí)程進(jìn)行提升小波包分解，提取小波包信號(hào)分量能量并將能量累積變異值作為特征值，識(shí)別斜拉索損傷位置；

獲取提升小波包分量能量差，并以此建立BP-AdaBoost模型識(shí)別結(jié)構(gòu)損傷程度，并基于結(jié)構(gòu)損傷程度計(jì)算拉索疲勞可靠度。

進(jìn)一步地，所述提升小波包分解包括：

通過提升框架改善小波特性，構(gòu)造出具有期望特性的小波基函數(shù)，成為構(gòu)造第二代小波的基本工具；

利用基于提升框架的小波包分析對(duì)原始信號(hào)進(jìn)行分解，并對(duì)小波包分解系數(shù)進(jìn)行重構(gòu)，得到第j層i個(gè)節(jié)點(diǎn)的能量，即小波包分量能量；

其中，當(dāng)結(jié)構(gòu)出現(xiàn)損傷時(shí)，所述小波包分量能量將會(huì)變化。

進(jìn)一步地，所述建立BP-AdaBoost模型識(shí)別結(jié)構(gòu)損傷程度包括：

以小波包分量能量差為訓(xùn)練樣本，利用Adaboost技術(shù)訓(xùn)練10個(gè)網(wǎng)絡(luò)；

對(duì)訓(xùn)練樣本在初始化時(shí)進(jìn)行歸一化處理，使樣本值分布在[0,1]區(qū)間，并對(duì)訓(xùn)練集各樣本賦相同權(quán)值；

根據(jù)權(quán)值分布，在訓(xùn)練集中隨機(jī)選取樣本訓(xùn)練第1個(gè)網(wǎng)絡(luò)NN1，網(wǎng)絡(luò)結(jié)構(gòu)為8×6×34的BP網(wǎng)絡(luò)，學(xué)習(xí)算法為誤差反向傳播算法，最大學(xué)習(xí)次數(shù)為20000次，學(xué)習(xí)速率為lr＝0.1，學(xué)習(xí)目標(biāo)誤差平方和為Err_goal＝4x10-4；

隨機(jī)選取訓(xùn)練網(wǎng)絡(luò)中的10組數(shù)據(jù)作為測(cè)試樣本，利用BP-AdaBoost模型對(duì)斜拉索的損傷進(jìn)行識(shí)別。

進(jìn)一步地，所述建立斜拉橋有限元模型包括：