桥梁健康状态的智能评估方法研究

论文摘要

桥梁结构在营运期间，会受到设计或施工的缺陷、气候或环境作用、日益增加的交通流量和超载的损坏等诸多因素的影响而产生安全隐患，若不及时地对这些带有结构损伤的桥梁进行监测和评估，就不能使之得到有效的维修和加固。这样，不仅会影响行车安全，缩短桥梁使用寿命，甚至会发生桥梁突然破坏或倒塌等桥毁人亡的灾难。因此，对桥梁状态进行评估已成为桥梁研究领域的热点问题，具有很强的学术价值和现实意义。 本文将桥梁状态的评估归结为桥梁状态综合评估、损伤评估、可靠度评估等几个方面的课题，提出了智能评估的思想，并进行了以下几方面的研究工作。 1．阐述了利用层次分析方法进行桥梁状态评估的优越性。通过对各种桥型状态进行分析，建立了一套针对不同桥型结构的层次型评估体系结构，从而将多而繁琐的评估指标条理化、层次化。 2．以层次分析方法为基础，提出了基于模糊层次分析的桥梁健康状态模糊评估方法，即通过利用模糊一致矩阵来反映专家判断的不确定性和模糊性。同时，文章提出利用不确定性层次分析进行桥梁健康状态评估的方法。由于利用常规方法获取的权重区间无法进行桥梁状态评估，本文提出了一种计算最优权重的单目标优化模型，并利用实数遗传算法进行全局最优搜索计算。利用两种方法分别对一座混凝土连续梁桥进行实例分析与比较，证实了两种方法的可行性和有效性。 3．文章又引入了模糊推理方法来表达模糊性和不确定性的评估知识，研究了Takagi-Sugeno（T-S）模糊推理方法在健康状态推理评估中的应用问题。 4．以基于层次的桥梁健康状态评估模型为目标，研究结合模糊理论和人工神经网络方法，建立了基于信息输入的模糊神经网络推理评估框架。利用模糊推理规则，生成了用于网络训练的样本库，而利用网络学习存储了规则库中的专家知识与经验，从而能有效地对桥梁进行健康状态评估。实例应用证明了该技术方法的可行性。 5．根据结构反演桥梁状态的思路，提出利用人工智能技术建立基于模型智能修正的桥梁健康状态评估方法，并分别对基于遗传算法和神经网络的模型修正

论文目录

• 第1章 绪论
• 1.1 课题来源
• 1.2 问题提出的背景
• 1.3 研究现状与发展动态
• 1.3.1 桥梁状态综合评估
• 1.3.2 桥梁状态损伤评估
• 1.3.3 桥梁状态可靠度评估
• 1.3.4 智能技术的研究与应用现状
• 1.4 本文的主要工作
• 第2章 桥梁健康状态评估的层次分析法
• 2.1 评估体系的建立原则
• 2.2 混凝土梁桥的评估体系研究
• 2.2.1 承载能力评估
• 2.2.2 综合技术状况评估
• 2.2.3 健康状态评估体系建立
• 2.3 拉索桥梁的评估体系研究
• 2.4 钢管拱桥的评估体系
• 2.5 层次分析中的指标权重计算
• 2.5.1 指标的两两判断矩阵
• 2.5.2 判断矩阵一致性检验及修正
• 2.5.3 计算各层指标权重
• 2.5.4 权重调整
• 2.6 评估指标的标准化处理
• 2.7 桥梁健康状态的层次分析法评估技术路线
• 2.7.1 层次分析法评估路线
• 2.7.2 传统层次分析法存在问题分析
• 2.8 本章小结
• 第3章 基于层次分析的桥梁状态智能评估
• 3.1 桥梁健康状态的模糊综合评价
• 3.1.1 基本概念
• 3.1.2 底层指标的模糊综合评估数学模型
• 3.1.3 多层次模糊综合评价
• 3.2 基于模糊层次分析的桥梁健康状态评估
• 3.2.1 基于三角模糊数的指标判断矩阵
• 3.2.2 基于模糊一致性的指标判断矩阵
• 3.2.3 桥梁健康状态评估的模数层次法
• 3.3 基于不确定层次分析的桥梁健康状态评估
• 3.3.1 指标的不确定型判断矩阵
• 3.3.2 一致性检验
• 3.3.3 评估指标的最优权重值确定
• 3.3.4 算例分析
• 3.4 评估分析实例
• 3.4.1 评估模型
• 3.4.2 权重计算
• 3.4.3 评估过程与结果
• 3.5 本章小结
• 第4章 桥梁健康状态评估的模糊神经刚络推理方法
• 4.1 模糊推理方法
• 4.1.1 模糊推理框架
• 4.1.2 模糊规则
• 4.1.3 模糊推理算法
• 4.2 人工神经网络方法
• 4.2.1 人工神经元模型
• 4.2.2 神经网络学习规则
• 4.2.3 多层前向BP网络
• 4.3 模糊神经网络推理结构
• 4.3.1 模糊神经元
• 4.3.2 正则化模糊神经网络推理结构
• 4.3.3 串联型模糊神经网络推理结构
• 4.4 桥梁健康状态评估的模糊推理方法
• 4.4.1 评估模型
• 4.4.2 评估状态等级划分
• 4.4.3 模糊推理规则
• 4.4.4 模糊推理计算
• 4.4.5 评估分析实例
• 4.5 桥梁健康状态评估的模糊神经网络推理
• 4.5.1 模糊神经网络推理评估思路
• 4.5.2 评估模型
• 4.5.3 模糊神经网络构造
• 4.5.4 模糊隶属度参数确定
• 4.5.5 模糊规则及样本收集策略
• 4.5.6 评估分析实例
• 4.6 本章小结
• 第5章 基于模型智能修正的桥梁健康状态评估
• 5.1 传统模型修正方法
• 5.1.1 基本原理
• 5.1.2 模态参数选择
• 5.1.3 修正参数选择
• 5.1.4 模态振型的扩充与缩减
• 5.1.5 传统模型修正方法存在问题分析
• 5.2 基于遗传算法的模型智能修正方法
• 5.2.1 优化目标的数学模型
• 5.2.2 遗传算法过程
• 5.2.3 遗传算法改进策略
• 5.3 基于神经网络的模型智能修正方法
• 5.3.1 神经网络智能修正框架
• 5.3.2 输入参数选择
• 5.3.3 样本收集策略及优化
• 5.3.4 算例分析
• 5.4 基于神经网络修正模型的桥梁健康状态评估实例
• 5.4.1 评估思路
• 5.4.2 斜拉桥健康状态评估分析实例
• 5.5 本章小结
• 第6章 武汉长江二桥健康状态评估策略研究
• 6.1 项目背景
• 6.2 武汉长江二桥分析评估子系统功能
• 6.2.1 智能报警模块功能
• 6.2.2 健康状态评估模块功能
• 6.2.3 趋势预测模块功能
• 6.3 健康状态评估技术策略
• 6.3.1 桥梁基准状态确定策略
• 6.3.2 结构损伤诊断
• 6.3.3 健康状态综合评估策略
• 6.4 本章小结
• 第7章 总结与展望
• 7.1 全文总结
• 7.2 研究展望
• 参考文献
• 致谢
• 攻读博士学位期间参加的科研项目和发表的学术论文