BP神经网络及遗传算法在桥梁结构损伤诊断中的应用研究

论文摘要

桥梁运营时,由于频繁承载,甚至超载,再加上自然环境的侵蚀,乃至自然灾害,以及交通事故等人为因素的损害,桥梁的损伤部位会越来越多,程度也会越来越严重,存在极大的安全隐患。因此,损伤诊断技术己经成为桥梁工程领域内的研究热点问题。本文阐述了损伤识别技术的研究现状,总结了己有的损伤识别方法及其特点。在此基础上,提出了一种分步损伤识别法及一种采用静态位移作为遗传算法优化目标的损伤识别法,并通过数值试验对这两种方法的可行性和有效性进行了验证。本文首先利用神经网络,以结构的前6阶频率变化率为输入参数,对一两跨连续梁进行了单损伤识别。从单损伤的识别过程我们可以发现,如果结构存在多处损伤,那么神经网络训练所需的样本数将十分庞大,这也是神经网络难以运用于实际工程的重要原因。本文针对上述问题提出一种分步识别方法,即将模态分析技术与人工神经网络有机结合,先应用模态应变能变化率判断损伤位置或损伤范围以减小样本空间,然后应用神经网络对损伤程度进行精确计算。基于该分步识别法,本文对前面提到的两跨连续梁进行了多损伤识别。识别结果表明,分步识别法在缩减样本方面确实具有很高的效率,该方法能够应用于较复杂的实际工程结构。在基于遗传算法的桥梁结构损伤识别中,一般采用结构的模态数据来构造搜索目标。考虑到实际测量时静态数据精度一般比动态数据高,为了提高损伤识别的精度,本文放弃使用动态数据,转而采用静态数据来构造遗传算法的搜索目标。对简支梁,固支梁,连续梁三种典型的梁结构进行了模拟损伤识别,并且取得了良好的识别效果。为了考察噪声对该方法的影响,本文还在位移测量数据中加入了5%的随机噪声,但识别结果依然比较好。这表明该方法对噪声并不十分敏感,具有良好的稳定性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 桥梁结构损伤识别的意义
• 1.2 桥梁结构损伤识别的研究现状评述
• 1.2.1 损伤的概念与结构损伤识别的基本内容
• 1.2.2 基于局部检测的桥梁结构损伤识别法
• 1.2.3 基于整体检测的桥梁结构损伤识别法
• 1.3 本文主要研究内容
• 第二章 神经网络及其在两跨连续梁单损伤识别中的应用研究
• 2.1 神经网络的理论和方法
• 2.1.1 神经网络的基本特点
• 2.1.2 神经网络的学习与计算
• 2.1.3 BP 网络结构及其学习算法
• 2.1.4 BP 算法的缺点及改进方法
• 2.2 MATLAB 神经网络工具箱
• 2.3 应用神经网络进行损伤诊断时输入参数的选取
• 2.4 神经网络在两跨连续梁单损伤识别中的应用研究
• 2.5 本章小结
• 第三章基于模态应变能和神经网络的分步损伤识别
• 3.1 引言
• 3.2 利用单元模态应变能进行结构的损伤定位
• 3.2.1 理论基础
• 3.2.2 数值仿真算例
• 3.3 基于BP 神经网络的损伤程度识别
• 3.3.1 损伤指标的选择
• 3.3.2 基于频率类参数的神经网络损伤程度识别
• 3.3.3 损伤样本点密度对损伤程度识别精度的影响
• 3.4 本章小结
• 第四章 基于遗传算法的桥梁结构损伤识别研究
• 4.1 遗传算法基本理论
• 4.1.1 编码方式
• 4.1.2 选择算子
• 4.1.3 交叉算子
• 4.1.4 变异算子
• 4.1.5 适应度函数
• 4.1.6 遗传算法与传统方法的比较
• 4.2 MATLAB 遗传算法工具箱
• 4.3 损伤识别参数的选择
• 4.4 基于遗传算法的桥梁结构损伤诊断的求解思路
• 4.5 遗传算法控制参数的确定
• 4.6 损伤识别数值仿真分析
• 4.6.1 简支梁结构的损伤识别
• 4.6.2 固端梁结构的损伤识别
• 4.6.3 连续梁结构的损伤识别
• 4.7 随机噪声对识别结果的影响
• 4.8 本章小结
• 结论与展望
• 1 本文所做的主要工作及结论
• 2 进一步的研究展望
• 参考文献
• 致谢
• 附录