基于改進神經網絡與支持向量機的大跨纜索橋梁損傷定位方法研究.pdf

1、大跨纜索支承橋梁的損傷識別是一個具有重要工程意義和極大挑戰(zhàn)性的課題。本文分別基于BP網絡、徑向基(RBF)網絡和支持向量機(SVM)，開展了大跨纜索支承橋梁損傷定位方法的研究。 針對傳統(tǒng)BP網絡的若干缺陷，如學習效率低、收斂慢、易陷入局部極小、網絡拓撲結構不易確定等，提出了綜合采用“Bold Driver”技術、增加動量項、模擬退火算法、隨機爬山算法的改進BP算法：以潤揚大橋北汊斜拉橋為背景，在對其斜拉索損傷特征曲線進行分析的基

2、礎上，提出了基于改進BP網絡的損傷定位方法，通過對改進BP算法的參數選取研究，給出了各參數的建議取值。研究表明，本文所提出的改進BP算法能有效地識別斜拉橋拉索的損傷位置。 通過對RBF網絡的OLS-RBF學習算法的分析，揭示了網絡行為的過擬合現象，提出了基于R<,+><'2>準則與Jacknife校驗的改進算法；以潤揚大橋南汊懸索橋為背景，在對其吊索損傷進行分析的基礎上，考慮到懸索橋損傷規(guī)律的復雜性，提出了混合訓練模式，并進行了

3、混合訓練模式與單一訓練模式、改進算法與常規(guī)算法的比較研究，結果證明了改進算法與混合訓練模式能明顯提高損傷定位效果。 在針對支持向量機的統(tǒng)計學習理論基礎上，提出了基于最小二乘支持向量機(LS-SVM)與數值統(tǒng)計的損傷定位方法。該方法利用LS-SVM學習結構的位移響應分布規(guī)律，采用數值統(tǒng)計方法對LS-SVM的預測殘差進行分析，可有效地判斷結構是否發(fā)生剛度損傷。在對該方法算例驗證的基礎上，對潤揚大橋南汊懸索橋主梁的小損傷工況進行了損傷