[发明专利]一种基于神经网络的桥梁索力振动法多参数识别方法

说明书

本发明属于桥梁管理技术领域，具体涉及一种基于神经网络的桥梁索力振动法多参数识别方法。以索长L、线密度m、抗弯刚度EI、一阶频率f₁、二阶频率f₂、三阶频率f₃为模型的网络输入，以索力F为网络输出，构建神经网络索体系桥梁索力预测模型，利用有限元分析得到的模拟数据对神经网络索力预测模型进行训练后得到成熟的神经网络；预测索力时，直接输入索长、线密度、抗弯刚度以及自振频率即可得到预测索力值。本发明利用神经网络构建无需考虑边界条件的索力预测模型，可以避免边界条件判断错误对索力值准确性的影响，误差小、精度高。

技术领域：

本发明属于桥梁管理技术领域，具体涉及一种基于神经网络的桥梁索力振动法多参数识别方法。

背景技术：

索的状态与索体系桥梁能否安全工作之间具有密切的联系，而索力值是衡量索的状态的重要指标。目前，由于索发生破坏而引起的桥梁事故有很多。因此，准确识别索力值是避免索体系桥梁发生破坏的关键。

振动法是测量桥梁索力的重要方法。振动法测量桥梁索力值的原理为利用固定在拉索上的加速度传感器得到索的自振频率，然后根据索力与自振频率之间的关系得到索力值。利用振动法测量索力可以将拉索等效为类梁模型，索力与自振频率之间具有一种非线性关系，两者之间的对应关系受到多种因素的影响，从已有模型中可以发现，索长、线密度以及抗弯刚度是影响索力与自振频率之间关系的主要因素。目前，描述两者关系的计算公式有很多，按照索所处的边界条件主要分为两端铰接梁、两端固结梁、一端铰接一端固结梁三种类型。J.L.Robert、Zui.H分别提出振动的弦和两端固结梁模型索力计算公式；刘文峰和孟少平基于能量法提出了两端铰接梁、两端固结梁、一端铰接一端固结梁模型索力计算公式；王建飞引入无量纲参数ξ对类梁和类弦模型进行划分，并提出两端铰接梁、两端固结梁、一端铰接一端固结梁三种模型索力计算公式。由目前已有的索力计算公式中看出，准确判断索的边界条件是利用已有公式准确计算出索力值的前提，若能准确判断索的边界条件，将测量数据代入相应公式可较为准确地求出索力值，但是索的边界条件在实际条件下很难判断出来，一旦边界条件判断错误，索体系桥梁索力值的准确性将无法得到保证。

而神经网络对解决非线性问题具有非常高效的能力，可以无限逼近任何一种非线性关系。同时，桥梁拉索的边界条件主要分为两端铰接、两端固结、一端铰接一端固结三种形式，且拉索的振动可以等效为梁的振动，因此可以利用ANSYS等建模软件对拉索的振动进行模拟，得到模拟数据，从而用于神经网络索力预测模型的训练。因此，利用神经网络结合振动法可以构建出一种无需判断索的边界条件的索力预测模型，从而准确得到索力值。

发明内容：

本发明要解决的技术问题是准确判断索的边界条件是利用已有公式准确计算出索力值的前提，然而在实际条件下，索的边界条件往往很难准确判断出来，一旦边界条件判断错误，索体系桥梁索力值的准确性将无法得到保证。

为解决上述问题，本发明利用广义回归神经网络(GRNN)，以索长、线密度、抗弯刚度以及一阶频率、二阶频率、三阶频率为模型的网络输入，以索力值为网络输出，构建索体系桥梁索力预测模型，并利用大量的模拟数据对模型进行训练，从而达到直接输入索长、线密度、抗弯刚度以及自振频率则可以预测出索力的目的，进而避免边界条件判断错误对桥梁索力值计算结果的影响。

为达到上述目的，本发明具体通过以下技术方案实现：一种基于神经网络的桥梁索力振动法多参数识别方法，以索长L、线密度m、抗弯刚度EI、一阶频率f₁、二阶频率f₂、三阶频率f₃为模型的网络输入，以索力F为网络输出，构建神经网络索体系桥梁索力预测模型，利用模拟数据对模型进行训练后得到成熟的神经网络。通过已有索力计算公式以及反复测试最终确定选取索长L、线密度m、抗弯刚度EI、一阶频率f₁、二阶频率f₂、三阶频率f₃作为模型的网络输入，以索力F为网络输出，能够得到最佳的预测效果；预测索力时，直接输入索长、线密度、抗弯刚度以及自振频率即可得到预测索力值。