王 宇

(鸡西大学 理工系，黑龙江 鸡西 158100)

基于神经网络桥梁损伤识别研究

王 宇

(鸡西大学 理工系，黑龙江 鸡西 158100)

对桥梁结构进行健康诊断，可以有效避免事故的发生，保证桥梁的安全。试根据人工神经网络的基本理论，提出将BP神经网络用于桥梁损伤识别研究。

桥梁损伤；BP神经网络；简支梁

对桥梁结构进行正确及时的损伤识别，可以避免由于结构损伤而诱发大桥坍塌造成桥毁人亡的灾难性事故，但由于以往的检测、识别手段和方法较为落后，应用上一直处于理论研究阶段，实际应用较少。随着桥梁结构在抵抗自然灾害领域的研究成果及新材料、新工艺的开发和应用，在设计和施工等方面，及时发现损伤，并诊断出局部损伤的位置以及损伤程度并进行必要的修复，可以很好地保证桥梁安全。

近年来，对桥梁工程结构进行健康诊断的结构识别方法研究有很多，如模型修正法、指纹分析法等。通过频率、振型、位移和应变等响应数据，利用各种力学桥梁的模型结构检验桥梁结构固有频率对损伤程度、损伤位置的敏感性以及基于模态分析基本原理与方法，应用应变模态的表达式及应变传递函数矩阵等问题。本文采用模态分析原理识别损伤结构参数的变化，同时利用神经网络方法进行优化。

1人工神经元模型

人工神经网络的基本单元是神经元，它是一个多输入单输出的信息处理单元，而且，它对信息的处理是非线性的，可以抽象为数学模型，如图1所示。

图1 神经元数学模型

图中，xi(i=1,2…n)定义为神经元i的输入，wi是与上级神经元的连接权值，θ为神经元i阀值或偏差，f 为神经元，i为传递函数，y为神经元的输出。

输入信号处理：

(1)

令w0=-θ，x0=1上式改写为：

(2)

对净输入s进行逻辑函数运算，即

y=f(s)

(3)

f (s)通常被称为变换函数(或特征函数，传递函数)。在BP网络中一般用线性和S型函数作为变换函数。

(1)purelin函数 f (x)=kx

(2)Sigmoid函数 f (x)=1/[1+exp(-x)]

2 BP网络及算法

BP神经网络按拓扑结构，采用的是反向传播的学习方法，是可以对非线性可微分函数进行权值训练的多层网络。

标准BP学习算法采用梯度下降法调整网络的权值，其中η为学习速率，取[0,1]之间的常数，定义对应样本p时第1层第j个节点的delta函数，则对第k轮训练，第l层与第l+1层之间的网络权值满足关系：

w(l)ij(k)=w(l)ij(k-1)+ Δw(l)ij(k)

(4)

(5)

Δw(l)ij(k)=-αδ(l)jp·O(l-1)ip

(6)

3简支梁桥损伤识别的BP神经网络建模

在进行桥梁结构损伤识别时，不但需要处理大量的实验数据，而且其过程中的一些参数难以控制和测定，故实物模拟试验很难达到对实际桥梁结构进行研究的要求。故此，提出在桥梁结构的工程模型上进行研究，现在已然成为土木工程专业领域对待结构损伤识别的有效做法。

3.1损伤识别指标。

建立简支梁桥结构模型，梁长L=5mL，截面为600mm×600mm 矩形，材料为混凝土，弹性模量E=3.0×1010N/m2，密度ρ=2400 kg/m3，泊松比0.12，建模时全梁划分为12个节点，13个梁单元。应用ANSYS对梁进行数值模拟，取其固有频率取前5阶，位移模态取跨中单元端点处的位移量，如图2所示。

图2 简支梁模型

3.2神经网络建立和训练。

假设两种损伤的工作状况：①单元2分别损伤10%、30%、50%；②单元8分别损伤10%、30%、50%。在选取训练样本时，构造训练样本共8个。

(1)利用构造的不同的损伤样本，检测出的不同的损伤工况，选择2、8单元两端节点(即节点1、3、7、9)的曲率变化率作为输入向量，以其损伤程度作为输出向量，如表1、2所示。

(2)神经网络的输入层有6个神经元，分别代表6个节点的曲率变化率，隐层有13个神经元，输出层有三个神经元，代表各个单元的损伤程度。

表1 测试样本集

表2 测试样本输出

现将测试样本集与实际输出量进行对比，只有一个实际输出的误差超过了1%，其它均控制在1%以内，说明网络训练效果良好。

4结论

通过神经网络模拟并优化工程实例，得出桥梁模型与桥梁实际结构之间的任意复杂的非线性映射关系，并且能预测出最大误差。

[1]张治国.基于模态分析理论和神经网络的桥梁损伤识别方法研究[D].武汉理工大学硕士论文,2005.

[2]魏锦辉.基于神经网络的桥梁损伤识别[D].西南交通大学硕士论文,2004.

[3]边肇祺，张学工,等.模式识别[M].清华大学出版社,2000.

[4]聂尧.基于BP神经网络的桥梁损伤识别方法研究[D].山东科技大学硕士论文,2009.

ClassNo.:U441+.4DocumentMark：A

(责任编辑：宋瑞斌)

DamageIdentificationforBridgeBasedonArtificialNeuralNetwork

Wang Yu

Through analyzing the research findings of structural damage identification based on artificial neural networks and comparing the capabilities of BP networks，this thesis proposed that bridge damage technique can be researched based on BP neural networks.

artificial neural networks；damage identification；simply supported beam

王宇，硕士，讲师，鸡西大学理工系。

1672-6758(2012)12-0038-1

U441+.4

A