[发明专利]一种基于神经网络的桥梁整体损伤预警方法

权利要求书

1.一种基于神经网络的桥梁整体损伤预警方法，其特征在于，该方法包括：

步骤1，采集健康状况下桥梁在一段时间内的监测数据；

步骤2，通过采集到的监测数据分析桥梁结构的自振频率；

步骤3，根据桥梁现场环境，分析对步骤2中的自振频率产生影响的若干个影响因素；

步骤4，将步骤2中的自振频率和步骤3中的影响因素作为训练样本，建立训练样本数据库，采用BP神经网络算法，建立这些影响因素与自振频率之间的BP神经网络模型，并对BP神经网络模型进行训练、测试；

步骤5，采集当前状况下桥梁的监测数据，求得自振频率，并将该自振频率作为检验样本；

步骤6，根据步骤4中建立好的BP神经网络模型，模拟当前影响因素下的桥梁自振频率，得出拟合频率值f_s，将其作为健康样本；

步骤7，将健康样本和检验样本进行假设检验，观测两者是否存在显著性差异：

如果存在显著性差异，则认为当前的桥梁结构发生了损伤，进行损伤预警；

如果不存在显著性差异，则认为当前的桥梁结构处于安全状态，并将当前的检验样本扩充到训练样本数据库中，重新对步骤4中建立好的BP神经网络模型进行训练。

2.根据权利要求1所述的桥梁整体损伤预警方法，其特征在于，步骤4具体包括：

步骤401，确定BP神经网络模型的拓扑结构：

确定BP神经网络模型的输入层、输出层、隐含层层数及各隐含层所包含的神经元个数；

步骤402，选用影响因素作为BP神经网络模型的输入量，以自振频率作为输出量，建立训练样本数据库；

步骤403，将训练样本数据库中的大部分数据作为训练样本，将其余一小部分作为测试样本，采用共轭梯度法对BP神经网络进行训练并利用测试样本对BP神经网络模型进行测试。

3.根据权利要求2所述的桥梁整体损伤预警方法，其特征在于，采用经验法确定隐含层层数，隐含层所包含的神经元个数采用目标函数确定，其中，目标函数定义为输出值和目标值之间的误差平方和，当该目标函数达到最小时，隐含层所包含的神经元个数最优。

4.根据权利要求1所述的桥梁整体损伤预警方法，其特征在于，步骤7具体包括：

步骤701，以训练好的BP神经网络模型模拟出的拟合频率值f_s作为健康样本，健康样本的均值为μ_s；

步骤702，以当前影响因素下桥梁自振频率的实测频率值f_m作为检验样本，检验样本的均值为μ_m；

步骤703，对健康样本和检验样本进行假设检验，检验假设为：

H₀:μ_s＝μ_m

H₁:μ_s≠μ_m

如果接受假设，即H₀成立，此时μ_s＝μ_m，则健康样本和检验样本没有明显差异，即桥梁结构无明显损伤，无需进行桥梁结构的整体损伤预警；

如果拒绝假设，即H₁成立，此时μ_s≠μ_m，则健康样本和检验样本有明显差异，即桥梁结构有明显损伤，需要进行桥梁结构的整体损伤预警；

步骤704，如果桥梁无明显损伤，则将检验样本扩充到训练样本数据库中，并重新对神经网络模型进行训练。

5.根据权利要求4所述的桥梁整体损伤预警方法，其特征在于，将拟合频率值f_s与实测频率值f_m进行假设检验，观测两者是否存在显著性差异，以此来判断桥梁结构是否出现明显损伤。