[发明专利]一种基于神经网络的桥梁索力振动法多参数识别方法

权利要求书

1.一种基于神经网络的桥梁索力振动法多参数识别方法，其特征在于：以索长L、线密度m、抗弯刚度EI、一阶频率f ₁、二阶频率f ₂、三阶频率f ₃为模型的网络输入，以索力F为网络输出，构建神经网络索体系桥梁索力预测模型，利用模拟数据对模型进行训练后得到成熟的神经网络；预测索力时，直接输入索长、线密度、抗弯刚度以及自振频率即可得到预测索力值；在获取训练数据时，通过模态分析提取在两端铰接、两端固结、一端铰接一端固结3种边界条件下拉索的前3阶频率，并且获取多种型号的拉索中每一种型号的拉索在两端铰接、两端固结、一端铰接一端固结3种不同边界条件下的多组模拟数据。

2.如权利要求1所述的基于神经网络的桥梁索力振动法多参数识别方法，其特征在于：以索长L、线密度m、抗弯刚度EI、一阶频率f ₁、二阶频率f ₂、三阶频率f ₃为输入单元，以索力F为输出单元，构建广义回归神经网络索力预测模型。

3.如权利要求2所述的基于神经网络的桥梁索力振动法多参数识别方法，其特征在于：最佳spread值在[0.00205,0.00215]。

4.如权利要求1所述的基于神经网络的桥梁索力振动法多参数识别方法，其特征在于：输入神经元的个数与学习样本中输入向量的维数一致。

5.如权利要求1所述的基于神经网络的桥梁索力振动法多参数识别方法，其特征在于：以索长L、线密度m、抗弯刚度EI、一阶频率f ₁、二阶频率f ₂、三阶频率f ₃为输入单元，以索力F为输出单元，构建BP神经网络索力预测模型。

6.如权利要求5所述的基于神经网络的桥梁索力振动法多参数识别方法，其特征在于：神经网络共包含两个隐含层，两个隐含层的节点数均为13，即神经网络结构为6-13-13-1。

7.如权利要求5所述的基于神经网络的桥梁索力振动法多参数识别方法，其特征在于：输入层到隐含层1、隐含层1到隐含层2、隐含层2到输出层的激励函数分别为tansig、tansig和purelin，训练函数为trainlm；训练步数为1000，目标误差为0.001，学习速率为0.1，显示间隔为100。