專利名稱：基于神經網絡技術的橋梁動載測試方法
技術領域：
本發明涉及一種基于神經網絡技術的橋梁動載檢測技木，尤其適用于各類橋梁結構的動載響應測試及進行橋梁動カ性能評估。
背景技術：
橋梁結構的動力特性是橋梁承載カ評定的重要參數，同時也是識別橋梁結構工作性能和進行橋梁結構動力分析的重要參數。隨著我國公路橋梁檢驗評定制度的推廣以及橋梁安全評估的需要，橋梁動載試驗越來越受到重視，已成為新橋成橋荷載試驗和舊橋承載能力評定的重要手段。橋梁的動載試驗主要包括跑車試驗、制動試驗、跳車試驗，具體如下1)跑車試驗主要是測試重車以各種不同時速駛過橋梁時，橋梁各主要特征部位的動カ響應，由此得到沖擊系數等。其車速可選擇5、10、20、40、60、80km/h等，每種車速跑車 3 4次，試驗結果取平均值，且記錄下每個跑車試驗速度下各測點的時程曲線，求出每個車速下各測點的最大振幅值并分析其規律。2)制動試驗中汽車以設計最高時速的一半駛過橋梁，在橋梁制動墩的墩頂位置剎車，測量橋梁各特征部位的豎向振幅、橫向振幅和縱向振幅。分析汽車制動時順橋向測點的衰減曲線，可求得橋梁的順橋向自振頻率及阻尼比。3)跳車試驗采用重車從15cm高的枕木上自由落體激振橋梁。由壓電加速度傳感器拾振，配電荷放大器進行信號轉換，利用動態信號采集分析儀進行數據采集和分析，同樣可以得出橋跨結構固有頻率和阻尼比。以上常見的橋梁動載試驗往往要花費幾天時間，需要封閉部分橋梁交通，且受溫度、儀器精度等影響，測試結果的精度不穩定，這些現實問題困擾著相關研究者。此外，橋梁結構除了承受本身自重和各種附加恒載以外，還要承受車輛、人群、風カ和地震等活荷載， 其振動影響因素復雜，僅靠現場試驗分析還不能滿足工程應用的需要，因此，引入神經網絡技術與現場試驗相結合的方法，來保證測試結果準確可靠且工作量減少。神經網絡技術是人腦及其活動的一個理論化的數學模型，它是由大量的處理單元以適當的方式互連構成，是ー個大規模的非線性自適應系統。它具有大規模并行處理、分布式儲存和容錯性的結構特征，具有自學習、自組織與自適應性的能力特征。神經網絡不僅在形式上模擬了生物神經系統，而且也具有大腦的ー些基本特征，從系統構成的形式及連接模式上，基本上都是與生物神經系統相似的。由于人工神經網絡具有很強的學習和普化能力，能夠將有效信息分布存放，將神經網絡技術應用于橋梁動載試驗中，能夠克服現有橋梁動載響應完全需人工實測的不足，最大程度地減小實測工程量與工程費用。結構的可靠性是指結構在規定時間內，在規定條件下，完成預定功能的能力，其可靠性指標常用可靠度來描述。可靠性檢驗的目的是對所需結果的可靠性進行控制，檢驗出不可靠的情況并及時進行處理，使其最終結果能達到結構安全評估要求。將可靠度檢驗應用于橋梁動載試驗中，能夠在減小實測工程量與工程費用的同吋，保證測試結果的準確可靠，因此近年來可靠度檢驗在工程結構的健康監測及安全性評估領域得到了廣泛的應用。本發明由此提出一種基于神經網絡技術的橋梁動載測試技術，能很好地解決試驗費用貴、時間長、精度不足及不具有普遍性等問題，并對未來的橋梁動載測試具有指導性作
ο

發明內容
技術問題本發明對大量橋梁荷載試驗中的實測動載數據進行了統計分析，在此基礎上，將結構參數等作為輸入層，結構動載響應作為輸出層，通過神經網絡技術獲得具有一定可靠度的橋梁動載響應值，進而進行橋梁安全性能評估，對未來的橋梁動載測試技術的發展起到一定的促進作用。技術方案為了能夠發展一種基于神經網絡技術的橋梁動載測試方法，以克服現有橋梁動載測試中存在的較多不足，本發明統計分析已有的大量橋梁動載實測數據，從中提取出橋梁動載響應影響參數，利用神經網絡技術推導出具有一定可靠度的特定橋梁動載響應，方便橋梁工作者進行橋梁性能評估。解決上述技術問題所采用的技術方案是統計分析已有的大量橋梁動載測試數據，確定出橋梁結構動載響應影響參數；將橋梁結構的動載響應影響參數作為神經網絡的輸入層，并將其在不同車輛運行速度下的動載響應作為輸出層，構造神經網絡模型，推導出結構在不同車速下的動載響應；對橋梁進行動載實測，僅實測某一速度下的動載響應，并采用實測結果對神經網絡推導結果進行可靠度檢驗，以確保神經網絡推導結果的可靠性；從而分析得到橋梁結構的動力特性、強迫振動響應、動カ性能，識別橋梁結構工作性能。基于神經網絡技術的橋梁動載測試方法包括以下步驟第一歩根據已有的動載測試數據統計分析出在不同動載響應影響參數下不同的動載響應值，確定出相應的動載響應影響參數，包括車速、橋跨、橋型、截面幾何參數、設計基準期、已使用年限和環境因素；第二步將橋梁結構的動載響應影響參數作為神經網絡輸入層，將不同車輛運行速度下的動載響應作為輸出層，從而構造神經網絡模型；第三步將需要進行動載測試橋梁的相關參數輸入到第二步所構造的神經網絡模型當中，獲得由神經網絡模型推導出的結構動載響應；第四步對橋梁進行動載實測，僅實測某一速度下的動載響應，并采用實測結果對第三步中所得推導結果進行可靠度檢驗，以確保神經網絡推導結果的可靠性；第五步若第四步中的可靠度檢驗結果不滿足要求，則將該實測數據按照20% 40%的比重加入樣本層，重復1 4步驟，保證該速度下動載響應可靠性滿足要求；且重新補充不同速度下的動載響應實測，進行可靠度檢驗，直至第三步所得結構動載響應的可靠性得到保證；第六歩得到該橋梁結構的動載響應與動力特性，用于評估結構的安全性能。在第二步中，將橋梁結構的動載響應影響參數作為神經網絡的輸入層，在不同車輛運行速度下的動載響應作為輸出層，運用矩陣實驗室(matlab)中紐夫(newff)函數構造神經網絡模型；該模型輸入層有η個神經元χ，χ e (Xl, X2L xn)，隱含層有d個神經元h， h e (hi; h2L hd)，輸出層有m個神經元y，y e (Yl, y2L ym)；輸入層與隱含層之間的權值和閾值分別為和θ ρ隱含層與輸出層之間的權值和閾值分別為和ek:
η隱含層節點ケ=/(I^リス-^)
d—“輸出層節點凡=/(Σ’、-代)，其中f(x)為傳遞函數。在第四步中采用實測結果對第三步中所得推導結果進行可靠度檢驗，具體為由神經網絡模型訓練得到的動載響應值作為理論推導值μ，動載試驗實測得到某一速度下動
載響應值作為實測值_對理論值進行可靠度檢驗《 =—ど><100%，若α e [-5%,5%]
則表明理論值具有滿足可靠度要求；若上述可靠度檢驗結果不滿足要求，則將該實測數據按照20% 40%比重加入樣本層，重復第一歩 第四歩，保證該速度下動載響應可靠性滿足要求；且重新補充不同速度下的動載響應實測，進行可靠度檢驗，直至所得結構動載響應的可靠性得到保證為止。有益效果現有的橋梁動載測試技術種類雖然較多，但均有著明顯的不足之處，如測試時間長、影響橋面交通、造成結構損傷、工程費用巨大等。針對上述問題，本專利發明了基于神經網絡技術的橋梁動載測試法，該方法結合了常規動載測試方法的優點，并且運用了神經網絡技術來優化動載測試過程，由單ー車速下的跑車測試試驗結果來推斷橋梁在不同車速下的動載響應，大大減少了其中跑車試驗的次數。本專利能夠在保證測試結果準確可靠的基礎上，大大減小常規動載測試所造成的結構損傷，提高分析效率和可操作性。鑒于我國交通基礎設施日益完善，舊橋危橋也隨之越來越多，迫切需要發展ー套科學、準確、可靠、便捷的橋梁監測技木。因此，本專利在未來橋梁動載測試中必將具有廣泛的應用前景， 產生顯著的社會和經濟效益。


圖1基于神經網絡技術橋梁動載測試法技術流程圖；圖2神經網絡模型示意圖；圖3正態分布示意圖。
具體實施例方式本發明實現方案的主要流程具體如下(參見圖1)1)對已有的大量橋梁結構動載測試數據進行統計分析，確定出動載響應影響參數，如車速、橋跨、橋型、截面幾何參數、設計基準期、已使用年限、環境因素等；2)將橋梁結構的動載響應影響參數作為神經網絡的輸入層，并將其在不同車輛運行速度下的動載響應作為輸出層，構造神經網絡模型，神經網絡算法模型輸入層有η個神經元x,x e (Xl, X2L xn)，隱含層有d個神經元h,h e (h” h2L hd)，輸出層有m個神經元y, ye (Yl, y2L ym)。輸入層與隱含層之間的權值和閾值分別為Wu和θ ρ隱含層與輸出層之間的權值和閾值分別為和θ k(參見圖2)隱含層節點ケ=ICLwijXl-Oj)(1)
輸出層節點
權利要求
1.一種基于神經網絡技術的橋梁動載測試方法，其特征在于該方法包括以下步驟 第一歩根據已有的動載測試數據統計分析出在不同動載響應影響參數下不同的動載響應值，確定出相應的動載響應影響參數，包括車速、橋跨、橋型、截面幾何參數、設計基準期、已使用年限和環境因素；第二步將橋梁結構的動載響應影響參數作為神經網絡輸入層，將不同車輛運行速度下的動載響應作為輸出層，從而構造神經網絡模型；第三步將需要進行動載測試橋梁的相關參數輸入到第二步所構造的神經網絡模型當中，獲得由神經網絡模型推導出的結構動載響應；第四步對橋梁進行動載實測，僅實測某一速度下的動載響應，并采用實測結果對第三步中所得推導結果進行可靠度檢驗，以確保神經網絡推導結果的可靠性；第五步若第四步中的可靠度檢驗結果不滿足要求，則將該實測數據按照20% 40% 的比重加入樣本層，重復1 4步驟，保證該速度下動載響應可靠性滿足要求；且重新補充不同速度下的動載響應實測，進行可靠度檢驗，直至第三步所得結構動載響應的可靠性得到保證；第六步得到該橋梁結構的動載響應與動力特性，用于評估結構的安全性能。
2.根據權利要求1所述的基于神經網絡技術的橋梁動載測試法，其特征在于第二步中，將橋梁結構的動載響應影響參數作為神經網絡的輸入層，在不同車輛運行速度下的動載響應作為輸出層，運用矩陣實驗室matlab中紐夫newff函數構造神經網絡模型；該模型輸入層有η個神經元x,x e (Xl, X2L xn)，隱含層有d個神經元h，h e Qll，h2L hd)，輸出層有m個神經元y，ye (Yl, y2L ym)；輸入層與隱含層之間的權值和閾值分別為和θゴ，隱含層與輸出層之間的權值和閾值分別為 和θ k 隱含層節點h] = /(ΣWljX1 - θ〗) 輸出層節點yk=fもJh-Θ)，其中/(χ)為傳遞函數。J=I
3.根據權利要求1所述的基于神經網絡技術的橋梁動載測試法，其特征在于第四步中采用實測結果對第三步中所得推導結果進行可靠度檢驗，具體為由神經網絡模型訓練得到的動載響應值作為理論推導值μ，動載試驗實測得到某一速度下動載響應值作為實測值_對理論值進行可靠度檢驗《 =ちLxl00%，若α e [-5%,5% ]則表明理論值滿足可靠度要求；若上述可靠度檢驗結果不滿足要求，則將該實測數據按照20% 40%比重加入樣本層，重復第一歩 第四歩，保證該速度下動載響應可靠性滿足要求；且重新補充不同速度下的動載響應實測，進行可靠度檢驗，直至所得結構動載響應的可靠性得到保證為止。
全文摘要
本發明提出了一種基于神經網絡技術的橋梁動載測試法通過對大量既有橋梁測試結果進行統計分析，確定出橋梁結構的動載響應影響參數，將這些影響參數作為輸入層構造神經網絡模型，并由此推導出結構動載響應預測值；對橋梁進行單個車速下的動載實測，并采用實測值對神經網絡理論推導值進行可靠度檢驗，獲得橋梁結構經實測驗證的動力響應及其特性，并據此評判橋梁結構的實際狀態和安全性能。由于結合了常規動載測試方法的優點，并且運用了神經網絡技術來優化測試過程，采用本發明進行橋梁動測評估，能夠在保證測試結果準確可靠的基礎上，大大減小常規動載測試所造成的結構損傷，提高分析效率和可操作性。
文檔編號G01M7/08GK102539098SQ20111042009
公開日2012年7月4日 申請日期2011年12月15日 優先權日2011年12月15日
發明者宗周紅, 李峰峰, 王浩, 王龍花 申請人:東南大學