基于HKBFO优化神经网络的悬索桥动载识别

陈修辉1，孙铭霞2

( 1.青岛理工大学 琴岛学院，山东 青岛 266106； 2.长春光华微电子设备工程中心有限公司，吉林 长春 130000 )

摘要：为提高BP神经网络对桥梁动载识别的效果，提出了一种基于分层菌王觅食算法(HKBFO)的桥梁动载识别方法.该算法首先进行“交叉”复制操作，再类比人大代表选举过程进行分层寻优.数值模拟证明,HKBFO算法优于BFO算法，可用于桥梁动载识别.

关键词：分层菌王觅食算法; 神经网络; 悬索桥; 动载识别

收稿日期：2015-07-21

作者简介：陈修辉(1983—)，男，讲师，研究方向为运动稳定性与控制.

文章编号：1004-4353(2015)03-0257-04

中图分类号：TU312+.1

Identification of moving load on the suspension bridge based on HKBFO optimized neural network

CHEN Xiuhui1，SUN Mingxia2

( 1.QingdaoCollege,QingdaoTechnologicalUniversity,Qingdao266106,China; 2.ChangchunGuanghua

Micro-ElectronicsEquipmentEngineeringCenterCo.Ltd.,Changchun130000,China)

Abstract：In order to improve the effect of BP neural network on the moving load identification of bridge,a new method of moving load identification method based on the Hierarchical King Bacteria Foraging Optimization algorithm (HKBFO) is proposed. The algorithm first carried on the “cross” copy operation,and then by the analogy of the election process of the People’s Congress conducted hierarchical optimization. The numerical simulation showed that HKBFO is better than BFO,and can be used for bridge moving load identification.

Key words： Hierarchical King Bacteria Foraging Optimization algorithm (HKBFO); neural network; suspension bridge; identification of moving load

桥梁结构在交通中的作用日趋重要，其可靠性对社会和经济的发展有着重大的影响.就目前桥梁结构而言，其结构日趋轻型化，跨度日趋增大化，而在桥梁上运行的车辆载重量和速度也都在不断地提高，极易导致桥梁结构的疲劳损伤甚至破坏，因此桥梁动载识别具有重要的研究意义和应用价值[1-3].根据桥梁的挠度、应变等响应识别桥梁动载已有很多学者对此进行研究，并取得了一些成果，例如：S.S.Law等[4-5]分别利用时域法和频时域法研究了桥梁动载识别；F.T.K.Au等[6]采用二分之一车辆模型对连续梁上移动荷载进行了识别；陈锋等[7]和尤琼等[8]分别利用函数拟合法研究了桥梁动载识别；李忠献等[9]利用BP神经网络识别了桥梁动载；陈震等[10]采用截断广义奇异值分解法研究了桥梁移动荷载识别.近年来，利用BP神经网络进行桥梁动……