[发明专利]基于神经网络的桥梁损伤识别方法

说明书

技术领域

本发明涉及一种基于神经网络的桥梁损伤识别方法，属于桥梁损伤识别技术领域。

背景技术

桥梁作为交通运输的关键点，在我们的日常生活中承担着极其重要的角色。正是因为一座座桥梁的存在，使得全国的公路以及铁路运输网得以贯通，构成了四通八达交通运输系统，桥梁对于城市交通的重要性也与日俱增。近几年随着我国经济的飞速发展，我们国家在桥梁建设方面取得了巨大的成就，同时，桥梁工程又是关系到人民生命财产安全的工程，因此桥梁的健康情况需高度重视。但是，随着桥梁服役期的增长，桥梁自身的内部机构、材料都会慢慢的发生变化，致使桥梁的承载能力降低。当这些损伤积累到一定程度时，桥梁就可能发生事故，桥梁一旦发生重大事故，将会造成难以预估的损失。因此对桥梁进行健康监测就显得非常重要。

桥梁健康监测的主要工作是借助安装在桥梁上的监测仪器，分析桥梁的特征参数的变化，并以此来分析桥梁的健康状况。这些特征参数包括振动、变形、应变、温度等，可以选取其中的一个或者几个参数来进行监测分析。在桥梁结构的状态监测基础上再做进一步的深入研究——损伤识别。损伤识别依据状态监测中所得到的数据进行分析，识别出桥梁损伤的部位和损伤程度，为后续的管理决策提供依据，最终实现损伤的预防和控制。

《计算机与数字工程》2010(4)：173-175中的《基于模式识别的桥梁故障检测》从挠度数据出发，运用模式识别技术和数据分析技术，检测桥梁中某些类型的损伤和隐患，将模式识别中的近邻算法与K-均值算法相结合，提出了一种桥梁异常检测方法。《济南大学》2010中的《三维网络自适应生成及其在桥梁裂纹诊断中的应用》，公开了一种在桥梁模型上应用的基于力平衡的网格质量优化算法，利用力的平衡和距离函数寻找节点位置，用Delaunay算法重置拓扑结构，实现了桥梁模型的网格划分；此外其还公开了将损伤指标法和计算智能法相结合，基于固有频率和曲率模态比值，用BP神经网络对桥梁进行裂纹损伤识别。《基于模态参数分析的井架结构损伤识别研究》秦皇岛：大庆石油学院，2006，公开了一种基于模态参数，用曲率模态法、柔度差值法进行结构损伤识别的理论与方法，其应用了柔度曲率法进行结构损伤识别，证实了基于柔度差值的损伤定位方法存在模糊或者错误定位的问题，曲率模态法可以不依赖损伤前的结构参数，但对于小损伤也存在模糊定位的隐患。《建筑结构振动的递阶分散控制研究》哈尔滨：哈尔滨工业大学，2009，公开了一种建筑结构在递阶分散控制下的损伤识别方法，并给出了基于递阶分散控制的频率平方灵敏度损伤识别方法。《基于计算智能技术的桥梁结构损伤识别研究》.长春：吉林大学，2008，提出了一种基于粒子群算法和小波神经网络算法的桥梁结构识别方法。《基于计算智能方法的简支桥梁损伤识别研究》.长春：吉林大学，2010，其对简支桥梁进行了分析，采用粒子群优化支持向量机算法，研究了基于振动的桥梁损伤识别。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，其公开了对于自然频率和振型的参数变化，采用人工神经网络算法来进行桥梁的结构损伤识别。但是上述现有的方案用于桥梁损伤识别时，均存在以下缺陷：稳定性差、精度低，且以实际桥梁的监测信息作为网络输入时未经优化的算法网络并不能有效反映桥梁的实际损伤情况。因此仍然需要进行进一步研究。

发明内容

本发明的目的在于，提供一种基于神经网络的桥梁损伤识别方法，它可以有效解决现有技术中存在的问题，尤其是损伤识别精度较低的问题。

为解决上述技术问题，本发明采用如下的技术方案：基于神经网络的桥梁损伤识别方法，包括以下步骤：

S1，构造样本数据：利用有限元方法建立桥梁模型，获得桥梁完好及不同损伤情况下的模拟应变数据，并将相应的应变变化率作为BP神经网络的样本数据；

S2，确定网络拓扑结构：确定BP神经网络隐含层的层数及各个层所含神经元的个数；同时初始化神经网络的权值阈值；

S3，训练及测试：采用梯度下降动量算法(即traingdm)对BP神经网络进行训练并利用测试样本对神经网络进行测试；

S4，损伤识别：将桥梁的实时应变数据输入训练好的BP神经网络，实现桥梁的损伤识别。