基于神經(jīng)網(wǎng)絡(luò)的橋梁移動(dòng)荷載識(shí)別.pdf

1、隨著我國(guó)交通事業(yè)的飛速發(fā)展，橋梁在其中的作用越來(lái)越重要，而對(duì)橋梁結(jié)構(gòu)的健康監(jiān)測(cè)是當(dāng)今工程研究的一個(gè)熱點(diǎn)問(wèn)題。橋梁上移動(dòng)荷載的識(shí)別作為橋梁結(jié)構(gòu)健康監(jiān)測(cè)的基礎(chǔ)環(huán)節(jié)，是決策者進(jìn)行結(jié)構(gòu)安全評(píng)估和交通規(guī)劃的重要依據(jù)，是保證橋梁結(jié)構(gòu)安全可靠的基本前提，具有重要的理論意義和應(yīng)用價(jià)值。 本文將BP神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于橋上移動(dòng)荷載識(shí)別問(wèn)題。首先研究了BP神經(jīng)網(wǎng)絡(luò)方法用于荷載識(shí)別的基本原理和實(shí)施步驟。利用正交試驗(yàn)法構(gòu)建網(wǎng)絡(luò)的樣本庫(kù)，如此得到的樣本庫(kù)在

2、樣本數(shù)盡可能少的情況下包含了最多的信息。在訓(xùn)練樣本選取時(shí)，使用先K-均值聚類再歐式距離度量的原則進(jìn)行，如此得到的訓(xùn)練樣本分布較為均勻且代表性強(qiáng)，網(wǎng)絡(luò)的泛化能力可得到最大程度的展現(xiàn)。 其次研究了優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值的智能算法，包括蜂王遺傳算法、蟻群算法和微粒群算法，又在他人工作的基礎(chǔ)之上提出了一種全新的混合微粒群算法。該算法將蜂王遺傳算法和蟻群算法的經(jīng)典思想糅合到傳統(tǒng)微粒群算法中，并比較了該混合算法和傳統(tǒng)算法對(duì)測(cè)試函數(shù)的逼近結(jié)果。通過(guò)

3、對(duì)逼近結(jié)果的比較，證明了該混合微粒群算法提高了傳統(tǒng)算法的尋優(yōu)能力。 最后分析了BP神經(jīng)網(wǎng)絡(luò)在移動(dòng)荷載識(shí)別中的應(yīng)用結(jié)果。針對(duì)正交異性板模型，分別比較了不同優(yōu)化網(wǎng)絡(luò)權(quán)值方法和不同的響應(yīng)類別時(shí)的識(shí)別結(jié)果，可以看出該混合算法的優(yōu)勢(shì)所在，且得出以加速度響應(yīng)為網(wǎng)絡(luò)的輸入?yún)⒘繒r(shí)的識(shí)別結(jié)果較為理想。對(duì)于受噪聲“污染”的樣本，利用“去噪”法也得到了很好的識(shí)別結(jié)果。在針對(duì)近似實(shí)橋模型進(jìn)行識(shí)別時(shí)，分別討論了鋼管混凝土橋和懸索橋模型，從識(shí)別的結(jié)果可以看