[發明專利]一種基于神經網絡的橋梁索力振動法多參數識別方法

有效

• 申請號: 202011494517.2
• 申請日: 2020-12-17
• 公開（公告）號: CN112507437B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 蓋彤彤;曾森;于德湖
• 申請（專利權）人: 青島理工大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/23;G06N3/08;G06N3/04;G06F119/14
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 姚金金

本發明屬于橋梁管理技術領域，具體涉及一種基于神經網絡的橋梁索力振動法多參數識別方法。以索長L、線密度m、抗彎剛度EI、一階頻率f₁、二階頻率f₂、三階頻率f₃為模型的網絡輸入，以索力F為網絡輸出，構建神經網絡索體系橋梁索力預測模型，利用有限元分析得到的模擬數據對神經網絡索力預測模型進行訓練后得到成熟的神經網絡；預測索力時，直接輸入索長、線密度、抗彎剛度以及自振頻率即可得到預測索力值。本發明利用神經網絡構建無需考慮邊界條件的索力預測模型，可以避免邊界條件判斷錯誤對索力值準確性的影響，誤差小、精度高。

技術領域：

本發明屬于橋梁管理技術領域，具體涉及一種基于神經網絡的橋梁索力振動法多參數識別方法。

背景技術：

索的狀態與索體系橋梁能否安全工作之間具有密切的聯系，而索力值是衡量索的狀態的重要指標。目前，由于索發生破壞而引起的橋梁事故有很多。因此，準確識別索力值是避免索體系橋梁發生破壞的關鍵。

振動法是測量橋梁索力的重要方法。振動法測量橋梁索力值的原理為利用固定在拉索上的加速度傳感器得到索的自振頻率，然后根據索力與自振頻率之間的關系得到索力值。利用振動法測量索力可以將拉索等效為類梁模型，索力與自振頻率之間具有一種非線性關系，兩者之間的對應關系受到多種因素的影響，從已有模型中可以發現，索長、線密度以及抗彎剛度是影響索力與自振頻率之間關系的主要因素。目前，描述兩者關系的計算公式有很多，按照索所處的邊界條件主要分為兩端鉸接梁、兩端固結梁、一端鉸接一端固結梁三種類型。J.L.Robert、Zui.H分別提出振動的弦和兩端固結梁模型索力計算公式；劉文峰和孟少平基于能量法提出了兩端鉸接梁、兩端固結梁、一端鉸接一端固結梁模型索力計算公式；王建飛引入無量綱參數ξ對類梁和類弦模型進行劃分，并提出兩端鉸接梁、兩端固結梁、一端鉸接一端固結梁三種模型索力計算公式。由目前已有的索力計算公式中看出，準確判斷索的邊界條件是利用已有公式準確計算出索力值的前提，若能準確判斷索的邊界條件，將測量數據代入相應公式可較為準確地求出索力值，但是索的邊界條件在實際條件下很難判斷出來，一旦邊界條件判斷錯誤，索體系橋梁索力值的準確性將無法得到保證。

而神經網絡對解決非線性問題具有非常高效的能力，可以無限逼近任何一種非線性關系。同時，橋梁拉索的邊界條件主要分為兩端鉸接、兩端固結、一端鉸接一端固結三種形式，且拉索的振動可以等效為梁的振動，因此可以利用ANSYS等建模軟件對拉索的振動進行模擬，得到模擬數據，從而用于神經網絡索力預測模型的訓練。因此，利用神經網絡結合振動法可以構建出一種無需判斷索的邊界條件的索力預測模型，從而準確得到索力值。

發明內容：

本發明要解決的技術問題是準確判斷索的邊界條件是利用已有公式準確計算出索力值的前提，然而在實際條件下，索的邊界條件往往很難準確判斷出來，一旦邊界條件判斷錯誤，索體系橋梁索力值的準確性將無法得到保證。

為解決上述問題，本發明利用廣義回歸神經網絡(GRNN)，以索長、線密度、抗彎剛度以及一階頻率、二階頻率、三階頻率為模型的網絡輸入，以索力值為網絡輸出，構建索體系橋梁索力預測模型，并利用大量的模擬數據對模型進行訓練，從而達到直接輸入索長、線密度、抗彎剛度以及自振頻率則可以預測出索力的目的，進而避免邊界條件判斷錯誤對橋梁索力值計算結果的影響。

為達到上述目的，本發明具體通過以下技術方案實現：一種基于神經網絡的橋梁索力振動法多參數識別方法，以索長L、線密度m、抗彎剛度EI、一階頻率f₁、二階頻率f₂、三階頻率f₃為模型的網絡輸入，以索力F為網絡輸出，構建神經網絡索體系橋梁索力預測模型，利用模擬數據對模型進行訓練后得到成熟的神經網絡。通過已有索力計算公式以及反復測試最終確定選取索長L、線密度m、抗彎剛度EI、一階頻率f₁、二階頻率f₂、三階頻率f₃作為模型的網絡輸入，以索力F為網絡輸出，能夠得到最佳的預測效果；預測索力時，直接輸入索長、線密度、抗彎剛度以及自振頻率即可得到預測索力值。