首頁 > 檢測加固 > 正文
神經網絡在橋梁檢測中的應用
2011-07-08 來源:中國科學技術大學工程軟件研究所

1 引言
隨著我國基礎建設的快速發展, 越來越多的橋梁得以修建,并逐步投入使用。如何科學地了解運營中橋梁的健康狀況,并實時地對橋梁進行養護和管理日益成為橋梁養管人員及專家關注和研究的熱點。以斜拉橋為例,及時準確地了解橋索受力的變化情況,在斜拉橋的運營和維護過程中占有重要的地位。在對斜拉橋進行檢測的過程中,首先將加速度傳感器安裝在斜拉索上,通過測定橋索振動的頻率,根據公式(1)得到該橋索所受的拉力值。

式(1)中, 為弦單位長度的重量,L為斜拉索長度,g為重力加速度,rt是弦振動的階數, 是第rt階的自振頻率。為了將測量過程中的外部影響減到最小,對全部橋索(一般為幾百根)受力的測量,理論上必須在同一時間內完成。在實際情況下,這一點是很難做到的,而且在測量過程中,由于測量人員在技術上的差異性,以及在繁重工作下引發的疲勞性,必然會在檢測結果中引入較大的人為誤差。文章著重探求一種方法,根據橋梁測量的歷史數據,通過構造相關模型,在橋索受力值(或其變化)之間建立映射關系。這樣做的目的,是對部分斜拉索的索力進行測量,然后通過映射關系,得到其余橋索的受力情況。大家知道,根據結構理論,斜拉橋是一個高次超靜定體系。當某一根斜拉索的受力情況發生變化時,其余斜索的受力狀況必定發生相應變化。由于斜拉橋結構的復雜性,以及斜拉索分布的互異性等諸多原因,很難使用傳統方法建立模型,來反映這種相對變化規律。人工神經網絡是以人腦的微觀網狀結構為基礎,通過大量神經元的復雜連接,采用自底向上的方法,通過自學習、自組織和非線性動力學所形成的并行分布方式來處理難于形式化的模式語言【】1。另外,人工神經網絡的設計構造以實際數據為基礎,不僅將環境因素直接融入到模型當中,而且對其感興趣的數據具有信息處理的功能閉。基于以上特點,筆者認為人工神經網絡對于該問題的處理將更為有效。2 建立橋索索力的人工神經網絡模型鑒于人工神經網絡的諸多優點,人工神經網絡已廣泛運用于模式識別與圖像處理,控制和優化以及通信等諸多領域。在流行的神經網絡模型中,BP模型是發展較為成熟的一種,文中將使用BP模型建立橋索受力之間的映射關系。
2.1 橋索索力的BP網絡結構
該文建立的BP模型是一種多層前饋式神經網絡,其結構分為三層:一個輸入層,一個輸出層和一個隱層,其中隱層節點采用sigmoid作用函數,輸入、輸出層節點均采用pureline作用函數。層間節點的連接使用全聯接方式,并為每個連接賦予一定權值。其結構圖如圖1。其中,輸入層節點數為實測橋索數目,輸出層節點數為余下的橋索數目-; 因而,BP神經網絡的輸入層和輸出層節點總數將與橋索總數相同,這樣建模可以使索力值變化的相關情況直接從BP網絡輸入與輸出的關系中得到;網絡隱層節點個數為輸入、輸出層節點個數之和;網絡學習策略采用監督式算法。


2.2 BP網絡的訓練
從斜拉橋測量的歷史數據,得到用于BP網絡權重調節的訓練樣本集.s={.s1,.sn },其中N為樣本集大小,且有ISil=橋索總數M。用I表示某一訓練樣本中作為BP網絡輸入元素構成的矢量,有I={x1,x2⋯ ,xn};用 表示該訓練樣本中作為BP網、 絡輸出的元素構成的輸出矢量,有 T={d1,d2,⋯ ,dm-p}BP網絡的訓練過程如下:
(1)隱層
用 Vj表示隱層節點J的輸入,yj表示該節點的輸出;輸入層節點i和隱層節點j之間的連接權重用Wij表示, 并有以
下關系:



3 實驗及分析
文章以長江上某座斜拉橋作為研究對象, 該橋為4塔及208根斜拉索組成的斜拉橋。筆者使用自行研制的數據采集系統,在不同時期采集了ll組索力數據,其中每一組數據由全部208根橋索索力組成。為了簡化BP網絡規模,并且突出研究重點,分別對這11組數據進行預處理:首先,根據橋索與水平夾角求出每根橋索索力的垂直分量,這樣做主要是考慮到橋索在垂直方向上所受的力更為顯著并且重要;其次,考慮到橋梁結構的對稱性,對位于同一位置上的上、下游兩根橋索的索力垂直分量求算術平均,用得到的均值作為該兩根斜拉索索力的代表,這樣做在保證模型合理性的前提下,有效地減少了數據的規模。于是,得到預處理后的11組數據,設為.S={S1,S2,⋯ ,Sn},其中Si={di1,di2 ,di104且i=1,2,⋯ },且i=1,2,⋯ ,11,S 中元素的編號順序與橋索排列順序一致。在構造BP網絡的過程中,使用.S中的前八組數據作為B網絡的訓練樣本集,用其余的三組數據組成測試樣本集。對于第i組數據,選取奇數編號的項作為網絡的輸入矢量 =(di1,di3,⋯ ,di103},偶數編號的項作為輸出矢量Ti={di2,di4,...,di104}這樣。BP網絡的輸入層和輸出層節點數目恰好相等,并且皆為52。BP網絡的測試結果見圖3,圖4和圖5。


在圖3,圖4和圖5中,橫軸標注與BP網絡的輸出層各節點相對應;縱軸表示輸出層各節點對應的索力值(對兩條曲線歸一化后,縱軸在【0,1】之間)。對于同一組測試樣本數據,節點用小正方形代表的曲線是用BP網絡映射得到的結果,節點用圓形代表的曲線表示對應橋索經實測得到的受力值。兩條曲線的一致程度,反映了所構造BP模型的有效性。兩條曲線越一致,就表明BP模型對真實情況的模擬更加準確。從測試結果來看,構造的BP網絡的確可以對斜拉橋的橋索受力之間的關系有大致正確的反映。當然,也可以看到結果并不是“完全吻合”,這主要是因為BP網絡的訓練樣本的數量有限,網絡訓練不夠充分;另外,在網絡結構參數的選取上,還有需要進一步改進的地方。這些將是筆者未來研究工作的
重點。
4 結論
在斜拉橋的檢測過程中,對斜拉索受力情況的了解是重點之一。采用傳統實測的方法,不僅要耗費巨大的人力、物力。而且可能會將人為誤差引入測量數據中。為此該文在已有橋梁檢測的歷史數據的基礎上, 使用人工神經網絡方法構造BP模型,在斜拉索受力之間建立映射關系;在實際的橋梁檢測過程中,只需要對部分橋索受力情況進行實地檢測,通過BP模型的映射,就可以得到其余橋索受力值。通過實驗,筆者認為人工神經網絡方法在解決斜拉橋橋索受力檢測問題上是相當有效的.
Copyright © 2007-2022 cnbridge.cn All Rights Reserved
服務熱線:010-64708566 法律顧問:北京君致律師所 陳棟強
ICP經營許可證100299號 京ICP備10020099號  京公網安備 11010802020311號
北京赛车pk1o
武汉按摩推荐 安卓手机麻将透视脚本 长春酒店按摩男招聘 10分彩下载 190bp踢球者即时指数踢 河北十一选五遗漏前 长春按摩女电话 全天幸运飞艇 基金理财平台大的排行 福彩3d今晚试机号 煤炭股票推荐 欧美 a片 种子 山西悠闲麻将怎么代理 竞彩足球比分 手游麻将开挂软件下载 三级片进不去三级片视频