论文部分内容阅读
桥梁结构作为交通运输线路的重要组成部分,结构的正常运行对国民经济、人民的生命财产安全具有至关重要的作用。近几年来,随着交通量的不断增大,环境等外部因素的影响,已有不少桥梁出现破损,导致其承载能力降低。因此,对桥梁结构的性能进行时时监测,及时发现结构的损伤,对其安全性进行评估,并制定相应的维修策略,对提高结构的运营效率,保证人民群众的生命财产安全具有重大的现实意义。本文依托国家高技术研究发展计划项目(863计划)“季节冻土区大范围道路灾害参数监测与辨识预警系统研究”(2009AA11Z104),针对工程实际中广泛应用的简支梁桥桥型,以基于动力特性的结构损伤识别理论为基础,将神经网络、支持向量机、模糊推理等计算智能技术用于结构的损伤识别,取得了良好的效果,成功的解决了损伤识别领域的一些难点问题,为简支梁桥的损伤识别研究提供了一些新的思路。本文主要开展了以下几方面的研究工作:1、通过结构的数值模拟分析,提出了一种适用于简支梁桥的损伤识别策略。该策略以分步识别法为基础,通过模态曲率差确定结构的损伤区域,识别出结构的疑似损伤单元;针对这些疑似损伤单元,构造神经网络的训练样本和测试样本,从而准确对损伤位置进行定位,并确定结构的损伤程度。数值模拟结果表明模态曲率差指纹包含了结构损伤位置的信息,可以用于结构的损伤定位。但是,有时候需要综合考虑前几阶的模态曲率差进行判定,以免错判漏判。分别将BP神经网络及RBF网络用于该结构的精确损伤定位及程度识别,并对这两种方法进行了对比分析。分析结果表明RBF神经网络学习收敛速度要优于BP神经网络,损伤位置识别精度相似,但损伤程度识别效果RBF网络要略优于BP网络。综上,分步识别法简单易行,切合钢筋混凝土简支梁桥工程实际,适用于钢筋混凝土简支梁桥主梁的损伤识别。神经网络方法可以准确地识别出损伤的位置及程度。考虑到神经网络的计算量比较大,通过模态曲率差可以预先判断出损伤发生的大致区域,这样就大大降低了神经网络所需样本的数量,从而有效提高了工作效率。最后,通过在测试样本中添加高斯分布白噪声模拟数据中噪声的影响,对BP神经网络的抗噪性进行了分析。结果表明在噪声水平20%以内,BP神经网络均能够识别出结构的损伤位置;但BP神经网络损伤程度识别过程中,当噪声水平低于3%时,识别结果基本令人满意;当噪声水平达到5%时,已不能满足工程要求。2、在支持向量机基本理论的基础上,分别以钢-混凝土组合梁桥及多片简支梁桥为损伤识别模拟对象,采用c ? svc算法作为支持向量机损伤定位的算法,? ?svr算法作为损伤程度识别回归分析的算法,选取径向基函数作为支持向量机的核函数。对组合梁桥的数值模拟结果表明,支持向量机具备良好的损伤位置及程度识别能力;随后针对多片简支梁桥模型,选取结构的易损单位为研究对象,分别采用传统支持向量机、及交叉验证、遗传算法、粒子群算法优化支持向量机对结构的损伤定位及程度识别问题进行了识别。数值模拟结果表明这些方法均可以实现单个及多个疑似损伤单元的识别,优化支持向量机损伤程度识别精度优于传统支持向量机,具备良好的识别效果。3、针对结构损伤过程中容易遇到的噪声等不确定性问题,考虑到神经网络抗噪声能力的缺陷性,基于模糊推理理论,提出了一种对测量噪声及模型误差有很好鲁棒性的损伤识别策略,建立了简支梁桥损伤识别体系。提出了一种分区间模糊化策略,该策略有效降低了规则的重复,不同损伤状态对应于唯一的一组输入变量状态,即每个损伤状态由唯一的损伤规则来表示。这表明模糊系统是一个很好的模式分类器,非常适合于结构的损伤识别研究。选取固有频率变化率为模糊系统的输入参数,结构的损伤程度为系统的输出参数,建立了基于模态频率变化率的模糊推理损伤识别系统。数值模拟结果表明记忆能力良好,精度为100%,能够对所有的训练样本进行有效的损伤识别;对于单位置损伤,模糊推理系统的推理精度达到85%以上,对于双位置损伤,其精度达到80%以上;抗噪性分析表明基于频率的模糊系统抗噪水平达到15%以上,具备良好的抗噪能力。考虑到固有频率处理对称问题的局限性,以振型比值为输入参数,通过构造合适的模糊系统输入参数,建立了基于模态振型的模糊推理损伤识别系统。该系统记忆能力良好,识别精度达到100%,能够对所有的训练样本进行有效的损伤识别;对特征工况的数值模拟结果表明,基于振型的模糊系统具备良好的损伤识别推理能力;抗噪性分析表明,基于振型的模糊系统抗噪水平达到15%以上,具备良好的抗噪能力。