[发明专利]基于改进反向传播神经网络的斜拉桥拉索损伤定位方法

说明书

技术领域

本发明是一种应用于结构损伤定位的方法，尤其是一种应用于斜拉桥的拉索损伤定位的方法。

背景技术

BP(Back Propagation，反向传播)神经网络技术从上个世纪90年代开始应用于结构损伤识别及其相关研究。Wu等人^[1]采用单隐层BP网络对一个3层框架结构进行了损伤识别的数值模拟。Elkordy等人^[2]采用BP网络对一个5层钢框架进行损伤诊断。Hanagud和Luo^[3]基于BP神经网络利用频响函数数据进行了复合材料板的损伤识别；Luo和Hanagud^[4]在随后的研究中，将动态学习率引入上述研究中来加快神经网络的收敛。Jenq和Lee针对玻璃纤维复合材料梁，利用其前4阶频率的变化，采用学习率动态调整的BP网络对梁上的损伤(开洞)位置和大小进行了识别。Rytter和Kirgegaard以一个4层框架结构为研究对象，通过将梁和柱的抗弯刚度随机折减进行损伤模拟，以结构的前4阶固有频率和前2阶振型作为输入向量，分别采用BP神经网络(单隐层，100个隐单元)和RBF神经网络(980个RBF单元)进行损伤识别，结果显示BP网络可以有效地识别损伤，而RBF网络的输出却与实际损伤大相径庭。Faravelli和Pisano针对一个9榀的平面桁架结构，采用2个BP神经网络(2个隐层，隐层单元数分别为30和25)进行损伤识别，损伤是通过移除掉某根杆件的方式进行模拟的，第一个神经网络用来判断损伤是发生在水平弦杆、斜腹杆还是竖直腹杆，第二个神经网络进一步确定具体是哪个杆件发生了损伤。Nakamura等人利用BP网络针对一个7层钢框架结构进行了损伤定位研究。Yun等人采用BP神经网络针对桁架和框架结构进行了子结构的损伤辨识。Lam HF以桁架模型为背景，采用BP神经网络利用损伤前后里兹向量的改变，进行了结构损伤识别。

Pandy和Barai利用BP神经网络对一个桁架桥的数值模型(跨度31.926m)进行了损伤识别；继而Barai和Pandey对该模型分别采用BP神经网络和时延网络进行了移动荷载下的损伤识别研究。Choi和Kwon^[14]采用两个神经网络进行了一个钢桁架桥梁的损伤识别，其中第一个神经网络确定损伤的范围(左半跨和右半跨)，第二个神经网络确定具体的损伤杆件。Chen等分别针对两座桥梁(斜拉桥和3跨连续梁桥)利用BP神经网络通过环境测试数据来辨识结构的模态参数。