人工神经网络法在桥梁荷载识别中的应用.pdf

摘 要 摘 要 桥梁荷载识别是结构动力学的一个反问题，是桥梁健康监测的一个重要方面。现代交通的发 达使作用在桥梁上的荷载越米越大，为保证桥梁结构能够正常运行对它所受的荷载进行识别监测 是1F常必要的。本文在分析比较前人提出的儿种方法，如时域法、频域法以及函数逼近法等的基 础上．将人工神经网络方法应用于桥梁荷载识别中，对一个受2辆车作用的简支梁模型进行理论 分析，并进行了模型实验，从理论和实验上验证了人：[神经网络的适用性和可靠性。 全文主要内容如下： 1．介绍了进行荷载识别的几种传统方法，主要是时域法、频域法和函数逼近法以及矩阵求逆法的 基本原理和步骤，将它们在桥梁荷载识别中的应_}=}j进行了比较分析。通过比较分析得出以下一些 有益的结论：如果合理选择各参数，四种方法都能有效识别荷载：其中荷载间距和测点位置对于 各种方法影响都比较人，间距过人过小都不容易识别：函数逼近法相对来说，抗噪声性高一些： 2．介缁了应用人上神经网络方法进行桥梁荷载识别的基本原理和实施步骤，重点讨论了输入参数 的敏感性分析和分步识别的方法步骤。由于人上神经网络无须建立精确数学模型，而是依靠样本 取得信息，能用于测量数据不准确的人型结构和非线性系统。与其他方法相比．人工神经网络方法 不仅能识别荷载大小，还能识别荷载的位置和移动速度。在训练网络之前，要对输入的敏感性进 行分析，以保证样本的质量，对于多个识别参数情况，可采用分步识别的方法。 3．本文进行了单跨简支梁桥的荷载识别数值仿真，从理论上证明用人工神经网络方法进行荷载识 别是可行的。它不仅能以较高的精度识别荷载的人小、位置和速度，而且与其他方法相比，抗噪声 能力也要相对强一些。应用人T神经网络方法，要保证样本的质量和数量，应用分步识别方法能 提高识别精度，节省网络训练时间。 4．本文最后进行了一个模型试验米模拟实桥上的荷载识别情况。由试验结果分析可得出以F结论： 在一定样本空间内，州人工神经网络方法能有效识别两辆车荷载：前车和后车的识别精度也是不 一样的，而且车在桥上不同位置时的识别精度也不一样：人工神经网络方法的抗噪声能力较强： 关键词：人工神经网络，荷载识别，桥梁，分步识别，参数敏感性，模型试验 ABSTRACT Loadidentificationisan inverse ofstructural an dynamics andalso importantproblem engineering issuein health and of importantbridge modemtraffic monitoringmanagement．Therapiddevelopment makeit to monitortheload on toensuretheir service．Basedon necessary applied the bridges regular achievementof researcherswhohavestudiedthe of previous someconventionalmethods application as such TimeDomain Domain Function Method(TDM)，Frequency-Time