智能算法在水利工程中的應(yīng)用研究——以風(fēng)速預(yù)測和混凝土裂縫損傷評價(jià)為例.pdf

1、隨著國民經(jīng)濟(jì)和科學(xué)技術(shù)的高速發(fā)展，我國興建了數(shù)量眾多且越來越大型化的混凝土結(jié)構(gòu)的水利工程建筑物。大量水工建筑物興建之后，工程的維護(hù)運(yùn)行成為了管理人員的主要任務(wù)。如何保障大跨度的渡槽、橋梁等重要建筑物的安全運(yùn)行;如何實(shí)時(shí)動(dòng)態(tài)地進(jìn)行結(jié)構(gòu)健康監(jiān)測、損傷評價(jià)為維修加固提供參考成為了當(dāng)今水利人應(yīng)該考慮的問題。水利工程運(yùn)行管理工作涉及范圍廣泛且十分繁雜，包括風(fēng)險(xiǎn)預(yù)測控制、結(jié)構(gòu)健康監(jiān)測、結(jié)構(gòu)損傷評價(jià)等各個(gè)方面。鑒于此，本文僅以水利工程運(yùn)行期間風(fēng)振控制

2、中的風(fēng)速預(yù)測和混凝土出現(xiàn)裂縫病害時(shí)的結(jié)構(gòu)損傷評價(jià)兩個(gè)方面為研究對象。選取這兩個(gè)方面為研究對象是基于下面的情況:
　　 (1)水工建筑物運(yùn)行中的預(yù)測控制，其前提就是預(yù)測。為了真正發(fā)揮建筑物的價(jià)值，就要求能夠預(yù)測結(jié)構(gòu)在運(yùn)行過程中發(fā)生的風(fēng)險(xiǎn)，其中荷載預(yù)測是結(jié)構(gòu)控制的重要方面，而風(fēng)荷載又是結(jié)構(gòu)荷載預(yù)測控制的重點(diǎn)和難點(diǎn)。我國每年由于大風(fēng)導(dǎo)致建筑物的破壞很多，只有真正的做到風(fēng)速的準(zhǔn)確預(yù)測，才能對其進(jìn)行有效的控制，這樣就對風(fēng)速的預(yù)測精度提出了

3、較高的要求。由于風(fēng)速具有隨機(jī)性、波動(dòng)性和間接性的特點(diǎn)，傳統(tǒng)風(fēng)速預(yù)測方法（如:持續(xù)法和時(shí)間序列法等）的預(yù)測效果難以令人滿意。
　　 (2)水工建筑物在使用過程中，隨著使用時(shí)間的增長，結(jié)構(gòu)物必然會產(chǎn)生老化、病害等問題，從而結(jié)構(gòu)的維修加固成為一個(gè)重要工作。基于全壽命周期成本的考慮，那就要求首先了解建筑物的損傷程度，然后再確定建筑物是否需要維修。由此可見，結(jié)構(gòu)損傷程度的評價(jià)是一個(gè)重要的過程。但是由于水利工程建筑物眾多，例如大型灌區(qū)，人力

4、資源有限，基層管理工作人員的專業(yè)素質(zhì)不高等因素的限制，很難識別建筑物的損傷程度。又由于我國處于地震多發(fā)區(qū)，每年由于地震造成建筑物的破壞很大，震后要對一些重要工程，如渡槽、橋梁等，必須快速的判定其結(jié)構(gòu)的損傷程度，為修復(fù)加固提供重要依據(jù)，并盡快使其恢復(fù)正常的供水和交通。如何找到一種既簡單又實(shí)用的方法解決這個(gè)問題呢？傳統(tǒng)的結(jié)構(gòu)損傷診斷大都是基于模態(tài)分析獲得的，而基于此的診斷方法很難達(dá)到快速診斷結(jié)構(gòu)損傷程度的目的。
　　 作者在研究大量

5、國內(nèi)外文獻(xiàn)的情況下，針對當(dāng)前風(fēng)速預(yù)測精度低和混凝土裂縫損傷檢測效率低的問題，本文采用智能算法為主要的技術(shù)手段來解決上述問題，具體如下:
　　 (1)風(fēng)速采用智能算法中的人工神經(jīng)網(wǎng)絡(luò)模型(BP和RBF預(yù)測模型)和SVM模型進(jìn)行預(yù)測研究，并與傳統(tǒng)方法ARMA模型進(jìn)行比較，實(shí)例證明:智能算法要好于傳統(tǒng)方法;
　　 (2)本文提出利用混凝土裂縫與結(jié)構(gòu)損傷之間存在的相關(guān)關(guān)系，采用基于數(shù)字圖像處理技術(shù)的，應(yīng)用智能算法(TAM神經(jīng)網(wǎng)絡(luò)

6、模型和PSO-SVM評價(jià)模型)對混凝土面板裂縫的損傷程度進(jìn)行評價(jià)，以此評價(jià)結(jié)果作為基層人員維修加固建筑物的重要參考。實(shí)例證明:智能識別算法既簡單又快捷，只需要對結(jié)構(gòu)的裂縫進(jìn)行圖像采集，然后導(dǎo)入自動(dòng)識別系統(tǒng)中，既而給出結(jié)構(gòu)損傷程度的評價(jià)結(jié)果。
　　 本文根據(jù)現(xiàn)場實(shí)際采集到的風(fēng)速數(shù)據(jù)和混凝土面板裂縫圖像數(shù)據(jù)，對風(fēng)速預(yù)測和裂縫損傷評價(jià)的智能算法模型進(jìn)行了研究，并對風(fēng)速預(yù)測模型與裂縫評價(jià)模型的效果進(jìn)行了分析比較。研究的具體內(nèi)容如下:

7、r>　　 (1)介紹了當(dāng)今流行的主要智能算法，并闡述其基本原理;
　　 (2)介紹了風(fēng)速預(yù)測的模型方法:傳統(tǒng)方法ARMA模型和智能算法(BP模型、RBF模型、SVM模型)，并建立了其風(fēng)速的預(yù)測模型;
　　 (3)對風(fēng)速預(yù)測結(jié)果進(jìn)行比較分析之后得出SVM風(fēng)速預(yù)測模型不僅預(yù)測精度高而且比較穩(wěn)定，并在此基礎(chǔ)上提出了該模型的改進(jìn)方向;
　　 (4)介紹了裂縫圖像處理的相關(guān)技術(shù)算法及其模式識別的智能算法(TAM神經(jīng)網(wǎng)絡(luò)和