神经网络在桥梁参数识别中的应用.pdfVIP

· 桥梁设计 · 神经网络在桥梁参数识别中的应 用 李 闻 (中铁第五勘察设计院集团有限公司 北京 102600) 摘 要 以一座连续梁桥为例 ，模拟实际施工中的参数误差，采用非经典神经网络算法对主要参数进行识别。结 果证明神经网络适合桥梁施工参数误差的识别。 关键词 神经网络 桥梁参数识别 施工控制 中图分类号 U442．5 文献标识码 B 文章编号 1009—4539(2008)增一0085 04 对结构受力影响较大的主要参数误差。待识别的参 1 概述 数就是桥梁结构的主要参数，而对于主要参数的确 随着预应力技术的发展 ，分段施工方法的形成 定需要先进行参数敏感性分析。 及发展，桥梁的跨越能力不断提高。大跨径桥梁施 2．2 参数识别的方法 工难度大 、工期长 、结构复杂 、影响因素较多，在施工 参数识别的方法很多，主要有 3类方法：(1)基 过程中如果不采取有效 的控制措施 ，误差的影响将 于误差最小化算法，如最小二乘法；(2)基于随机状 会不断积累，桥梁的实际结构状态与理想设计要求 态估计理论的算法，如扩展 Kalman滤波法；(3)非 的偏差不断增大，不但会影响桥梁的使用性能，增加 经典算法，如神经网络等。 施工、维修费用，而且还可能出现不能合龙的尴尬情 对不同种情况采用不同的识别方法。以往的施工 况，甚至发生安全事故。为了使成桥线形和内力满 控制中一般采用最小二乘法进行参数识别。笔者将采 足设计要求，并保证施工过程的安全，在大跨度桥梁 用一种新的方法一 BP神经网络进行参数估计。 施工全过程 中采用实时监测与施工控制是十分必 2．3 神经网络 要的。 对于参数非线性影响较大的场合，最小二乘不 2 施工控制的方法及参数识别 太适合，且最小二乘法对I／O噪声敏感，尤其对于多 参数混合估计时，最小二乘法结果须经过认真判定 施工控制的方法很多，目前对于大跨度桥梁来 说，多采用 自适应控制系统。尤其是对于连续刚构 后才能采用。因此神经网络算法被应用于参数识别 桥来说 ，如果已施工梁段线形出现误差，除了张拉预 中。人工神经网络是一种模拟人脑结构和功能的信 备预应力索外，基本没有其它办法，而这一调整量又 息处理系统，具有学习和容错等特点。可通过对若 很有限，所以要尽可能保证在施工前所提供的梁段 干样本的学习，可以建立输入与输出之间的多参数、 立模标高比较准确。而要达到这一要求，就必须保 非线性的全局映射关系。 证有限元计算模型与实际结构比较接近。因此对于 BP网络是多层前馈网络的反向传播学习算法， 连续刚构梁桥施工控制的首要任务就是进行模型主 是有导师的学习，它是梯度下降法在多层前馈网络 要参数的识别及模型修正。 中的应用。一般在应用中选用仅带有一个隐层的 2．1 待识别参数的确定 BP网络就可以很好地对多参数进行识别，如图1所 影响桥梁线形和受力的参数很多，