基于Al的RC梁桥技术状态评估专家系统研究

论文摘要

由于现有我国桥梁多为30年左右的混凝土桥，设计、施工的缺陷和长期使用过程中的损伤、老化或灾害逐渐暴露出来：混凝土结构的开裂、锈蚀、承载力不足等诸多问题严重影响了现有路网结构的使用寿命周期和结构安全，加强技术投入，实施对现有结构的安全性能评判和实时监控，利用现代结构诊断手段对营运中的桥梁结构进行有效检测、结构评价和投资决策管理显得尤为必要。同时，我国桥梁管理系统的研究起步较晚，管理经验与历史数据相对较少，桥梁评估方法单一，经验性和主观臆断性对评估结果的影响程度过大。基于此，本文以RC梁桥为研究对象进行状态评估系统研究。主要完成了以下几方面内容： 结合模糊理论和神经网络方法，建立了RC梁桥状态评估系统CBCSAS的总体框架，该系统按模块化方式设计，包括数据库管理模块、检测模块、结构评估模块、主因识别模块和病害优先等级评判模块。 针对目前关于桥梁结构或构件评估中技术状态等级划分在实际操作过程中存在主观性影响较大等实际，在考虑桥梁结构技术状态等级划分的基本特性的基础上，本文结合现有规范等资料定制了切实可行的桥梁结构技术状态等级评定体系。与现有养护规范相比，该评定体系以系统运算结果为依据，避免了人为主观经验对评估结果的干扰。 根据对现有桥梁病害与缺陷的分析结果，本文按照可操作性、代表性、灵敏性等指标确定原则建立了具有层次结构的RC梁桥技术状态评价指标体系，考虑了“桥龄”、“环境”等现有规范无法考虑的外在因素。并相应给出了各评价指标的取值参考标准，确定了其在评估系统中的知识表示形式和有关的模糊化隶属度函数形式。 作为方法的移植，本文在进行桥梁状态评估系统研究时，有机地将神经网络与模糊理论结合起来，并根据工程实际进行网络结构拓展和算法改进，使之能满足桥梁工程的应用要求。最后应用Visual C++程序语言实现了RC梁桥状态评估系统CBCSAS。 通过提取具体实桥样本进行系统学习训练和检验，得到了可行的RC梁桥状态评估系统CBCSAS，验证了模糊理论与神经网络技术等人工智能技术应用于桥梁结构状态评估领域的可行性与可靠性。 最后，关于本文进一步工作的方向进行了简要的讨论。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 桥梁设计与评估的差异
• 1.1.1 基本差异
• 1.1.2 荷载差异
• 1.1.3 抗力差异
• 1.2 养护规范中评估方法的不足
• 1.3 研究现状
• 1.3.1 常规综合评估
• 1.3.2 模糊综合评估
• 1.3.3 模糊神经网络法
• 1.3.4 基于结构可靠度理论的方法
• 1.3.5 桥梁承载能力评估的其他方法
• 1.3.6 功能适应性评价
• 1.4 桥梁技术状态评估系统中有待解决的问题
• 1.4.1 评估指标体系研究
• 1.4.2 评估方法研究
• 1.4.3 评估结果的处理研究
• 1.4.4 既有桥梁资料的再收集
• 1.5 本文研究的目的和意义
• 1.5.1 研究目的
• 1.5.2 研究意义
• 1.6 本文研究的主要内容
• 1.7 本章小结
• 第2章 桥梁状态评估专家系统
• 2.1 系统的设计思想
• 2.2 系统总框架
• 2.2.1 检测数据模块
• 2.2.2 参数识别／形成输入数据集
• 2.2.3 结构状态评估
• 2.2.4 主因识别
• 2.2.5 病害优先等级评判
• 2.3 本章小结
• 第3章 技术状态等级划分研究
• 3.1 技术状态等级划分现状
• 3.1.1 状态等级数目不一
• 3.1.2 主观性影响
• 3.2 技术状态等级划分的基本特性
• 3.2.1 层次递进性
• 3.2.2 养护措施相关性
• 3.2.3 病害平行性
• 3.3 桥梁技术状态等级划分
• 3.4 本章小结
• 第4章 状态评估指标体系
• 4.1 指标体系建立原则
• 4.2 RC桥梁状态评估指标体系
• 4.2.1 桥面系
• 4.2.2 桥跨结构
• 4.2.3 支座
• 4.2.4 桥梁墩台与基础
• 4.2.5 环境
• 4.2.6 桥龄
• 4.3 与规范规定比较
• 4.4 本章小结
• 第5章 评估系统中知识的处理
• 5.1 评估系统中知识的表示
• 5.2 输入知识的模糊化和输出知识的反模糊化
• 5.2.1 输入知识的模糊化
• 5.2.2 输出结果的反模糊化
• 5.3 数据预处理
• 5.3.1 数值（连续值）变量
• 5.3.2 定性变量
• 5.4 学习样本集的生成
• 5.4.1 实桥样本提取
• 5.4.2 理论学习样本获取
• 5.5 本章小结
• 第6章 状态评估模型及程序实现
• 6.1 模糊系统理论
• 6.1.1 模糊产生器和反模糊化器
• 6.1.2 模糊规则库
• 6.1.3 模糊推理机
• 6.1.4 模糊逻辑系统的数学表达
• 6.2 神经网络方法
• 6.2.1 基本原理
• 6.2.2 Sigmoid激励函数下的BP算法
• 6.3 模糊神经网络（FNN）
• 6.3.1 模糊神经网络（Ⅰ型）
• 6.3.2 模糊神经网络（Ⅱ型）
• 6.4 程序实现
• 6.4.1 CBCSAS软件开发半台及技术
• 6.4.2 CBCSAS的主要功能与特点
• 6.5 本章小结
• 第7章 实例验证
• 7.1 裂缝评估
• 7.2 系统训练
• 7.2.1 桥跨结构
• 7.2.2 桥面系
• 7.2.3 墩台与基础
• 7.2.4 桥梁技术状态评估
• 7.3 工程评估实例
• 7.3.1 工程背景
• 7.3.2 系统评估
• 7.4 本章小结
• 第8章 结论与展望
• 8.1 结论
• 8.2 进一步的工作
• 致谢
• 参考文献
• 附录A：样本桥梁
• 在读期间发表的学术论文