（工程力学专业论文）基于神经网络和遗传算法结合的桥梁结构损伤识别研究.pdf

武汉理工大学硕士学位论文 摘要 随着我国交通事业的快速发展，公路网密度不断提高，大跨度桥梁不断涌 现。但是许多桥梁在使用过程巾由于种种原因可能会发生不同程度的损伤、丌 裂或老化，从而埋下隐患，造成重大事故，危害人民群众生命安全并导致财产 的损失。因此，对桥梁结构进行损伤识别和早期预报，及时掌握桥梁运营下的 健康状况具有重要的意义。本文在以下几个方面开展了研究工作。 在国6 j p f - 有关结构损伤识别、人工神经网络( a n n ) 和遗传算法( g a ) 资 料的分析基础上，总结了三类识别方法：静态识别法、动态识别法、神经网络 遗传算法智能识别法。系统地论述了各种方法的理论、公式及使用。 提出了以神经网络和遗传算法为主的智能识别、预测方法。结构损伤以别 可转化为极小化问题求解，利用遗传算法可以有效地求得全局优化解，但需要 大量的有限元分析计算，而b p 神经网络可以建立结构损伤参数( 输入) 与结 构响应变化( 输出) 之间的非线性映射关系，b p 网络这种建立全局性映射关系 的能力，为遗传算法求解损伤识别问题提供了强大的计算手段。文中给出了b p 神经网络与遗传算法结合进行损伤识别的方法步骤。 以钟祥汉江大桥为工程背景，根据钟祥大桥的设计，施工资料及试验检测 报告，对该桥进行了有限元建模和分析计算。针对该桥实际病害，从弹性模罱 损伤和预应力附加损失两方面进行了损伤识别研究。利用正交试验法进行b p 嘲络的训练样本的正交设计，将损伤位置与损伤程度作为b p 网络的输入，然 后用有限元方法( g q j s ) 计算损伤结构与完好结构的挠度差作为b p 网络的输 出，最后利用训练好的网络通过遗传算法对损伤结构的损伤参数进行识别，并 结合实测数据对该桥损伤后的实际承载能力进行了估算。结果表明，采用本文 的损伤i 别方法是合理的、有效的，不仅为该桥梁的治理方案制定提供可靠的 科学依据，而且此方法可望推广应用类似桥梁的病桥加固优化分析。 本文利用数值分析模拟大桥的损伤情况，将b p 神经网络和遗传算法结合 成用r 预应力混凝土连续梁桥病害的识别，获得了满意的结果，表明该方法在 人跨度桥梁损伤识别中具有定的应用价值。 关键词：大跨度桥梁，损伤识别，b p 神经网络，遗传算法，正交试验法 武汉理工大学硕士学位论文 a b s t r a c t w i t ht h ef a s t d e v e l o p m e n to fc o m m u n i c a t i o n i no a r c o u n t r y , d e n s i t y o f h i g h w a y sn e t w o r ki m p r o v e sc o n s t a n t l y a n dt h e l a r g es p a nb r i d g e i s e m e r g i n g c o n s t a n t l y b u ts t r u c t u r a ld a m a g e ss u c ha sc r a c k i n ga n da g i n ge t e t os o m ed e g r e e d u r i n gt h eb r i d g es t r u c t u r e s s e r v i c el i f e o c c u rf r o mt i m et ot i m e s o m ei n v i s i b l e d a m a g e sd o n o ta l e r tt h ee n g i n e e r si nt i m ea n dm a yr e s u l ti nd i s a s t r o u sc o n s e q u e n c e s a n du l t i m a t e l yc a l l s es u b s t a n t i a ll o s so fl i f ea n d p r o p e r t y t h e r e f o r e ，i ti si m p o r t a n t t o c o m m a n dt h eh e a l t hs t a t u so fb r i d g ei nc o m m o n l yu s i n gs t a t ei nt i m ea n dt od e t e c t d a m a g e s a tt h ee a r l i e s tp o s s i b l es t a g e t h em a i n r e s e a r c h i n gf i e l d sa r ea sf o l l o w i n g ： o i lt h eb a s i so f a n a l y s i so f t h ed a t aa b o u ts t r u c t u r a ld a m a g ed e t e c t i o n ，a r t i f i c i a l n e u r a ln e t w o r k s ( a n n ) a n dg e n e t i ca l g o r i t h m ( g a ) ，t h r e ed a m a g ei d e n t i f i c a t i o n m e t h o d sa l es u m m a r i z e d ，i n c l u d i n g ：s t a t i cs t a t ei d e n t i f i c a t i o na p p r o a c h e s ，d y n a m i c i d e n t i f i c a t i o n a p p r o a c h e s ，a n da n n c o m b i n e dw i t hg a a p t i t u d i n a l i d e n t i f i c a t i o n a p p r o a c h e s t h et h e o r i e s ，f o r m u l a t i o n sa n du s a g e so fe v e r ya p p r o a c ha r ed i s c u s s e d s y s t e m a t i c a l l y t h ea p t i t u d i n a la n dp r e d i c t a b l em e t h o db a s e do nc o m b i n i n ga r t i f i c i a ln e u r a l n e t w o r k s ( a n n ) a n dg e n e t i ca l g o r i t h m ( g a ) i ns t r u c t u r a ld a m a g ed e t e c t i o na r e p r o p o s e d t h ep r o c e d u r eo fi d e n f i f y i n gd a m a g ec a nb ed e f i n e da sam i n i m i z a t i o n p r o b l e m t h eo p t i m u m s o l u t i o nc a nb eo b t a i n e de f f e c t i v e l yb y u s i n gg a s i n c eg a u s u a l l y n e e d sal o n g a n a l y z i n g a n dc a l c u l a t i n g p r o c e s s i nu s ew i t ht h ef i n i t e e l e m e n t m e t h o d ( f e m ) b u t an o n - l i n e a rm a p p i n gf u n c t i o nf r o m m u l t i p l ei n p u td a t a ( s t r u c t u r a ld a m a g ep a r a m e t e r s ) t om u l t i p l eo u t p u td a t a ( d i f f e r e n c e so fr e s p o n s e b e t w e e nd a m a g e ds t r u c t u r ea n di n t a c ts t r u c t u r ec a l c u l a t e db yf e m ) i sc o n s t r u c t e d w i t h i nb pn e u r a ln e t w o r k s t h e a b i l i t yo fc o n s t r u c t i n gan o n l i n e a r m a p p i n g f u n c t i o nw i t h i nb pn e u r a ln e t w o r k so f f e rt h es t r o n gc a l c u l a t i o nm e a n sw h i c hs o t v e t h ep r o b l e mo fi d e n t i f i c a t i o no ft h ed a m a g e sw i t h i ng e n e t i ca l g o r i t h m i h em e t h o d a n dt h ea p p r o a c ha b o u ti d e n t i f i c a t i o no f t h ed a m a g e sc o m b i n e db pn e u r a ln e t w o r k s w i t hg e n e l i c a l g o r i t h m a r eg i v e ni nt h i s p a p e r t h es t u d yi sb a s e do nh a 内i n gr i v e rb r i d g ei nz h o n g x i a n g a c c o r d i n gt ot h e i i 武汉理工大学硕】：学位论文 d e s i g n ， c o n s t r u c t i o nd a t a a n d e x p e r i m e n t a l r e c o r do ft h e b r i d g e ， d a m a g e d e t e c t i o n o r i e n t e df i n i t ee l e m e n tm o d e lo f t h eb r i d g ei se s t a b l i s h e da n dt h e a n a l y s i si st h e n c a r r i e do u t t ot h ea c t u a ld i s e a s eo ft h i sb r i d g e ，t h es t u d yo fd a m a g e s i d e n t i f i c a t i o nf r o mt w o a s p e c t s s u c ha se l a s t i cm o d u l u sa n d p r e - s t r e s s w a s i n v e s t i g a t e d f i r s t ，t h et r a i n i n gs a m p l e so fb p n e u r a ln e t w o r ka r ed e s i g n e du s i n g o r t h o g o n a l t e s ta n dt h ei n p u td a t ao fb pn e u r a ln e t w o r kc o n s i s t so fd a m a g el o c a t i o n s a n dd a m a g ee x t e n t s s e c o n d ，t h ed i f f e r e n c e so fd i s p l a c e m e n t sb e t w e e nd a m a g e d s t r u c t u r ea n di n t a c ts t r u c t u r ec a l c u l a t e db yf e m ( g q j s ) a r em a d eu pt h eo u t p u td a t a f i n a l l y u s i n gn e t w o r kt r a i n e d ，t h ed a m a g ep a r a m e t e r so ft h e s t r u c t u l ea l et h e n d e t e c t e db yt h eg e n e t i ca l g o r i t h m ，a n dt h er e a lb e a r i n gc a p a c i t ya f t e rd a m a g i n gi n t h i sb r i d g ei se s t i m a t e dw i t ht h es u r v e y i n gd a t a t h er e s u l ti n d i c a t e st h a tt h ed a m a g e d e t e c t i o nm e t h o ds t u d i e di nt h i sp a p e ri sr a t i o n a la n de f f e c t u a l t h em e t h o dn o to n l y o f f e r sr e l i a b l es c i e n t i f i cb a s i sf o rm a k i n gt h es t r e n g t h e n i n gs c h e m eo ft h eb r i d g e ，b u t a l s oc a nb ep o p u l a r i z e da n da p p l i e dt os t r e n g t h e na n do p t i m i z ea n a l y z i n gf o ro t h e r d i s e a s eb r i d g es i m i l a rt ot h e b r i d g e i nt h i sp a p e r , t h ed a m a g e si nb r i d g es t r u c t u r e sa r es i m u l a t e da n da n a l y z e d l h e m e t h o do ft h e d a m a g e s i d e n t i f i c a t i o ni n p r e s t r e s s e d c o n t i n u o u sf r a m e b r i d g e s t r u c t u r e sb a s e do nc o m b i n i n ga r t i f i c i a ln e u r a ln e t w o r k s ( a n n ) a n dg e n e t i c a l g o r i t h m ( g a ) i sa p p l i e ds u c c e s s f u l l y t h er e s u l ts h o w st h ee f f e c t i v e n e s so ft h i s m e t h o du s e di nl o n g s p a nb r i d g es t r u c t u r e s k e yw o r d s ：l o n g s p a nb r i d g es t r u c t u r e s ，d a m a g ei d e n t i f i c a t i o n ，b pn e u r a l n e t w o r k s ，g e n e t i ca l g o r i t h m ，o r t h o g o n a lt e s t i i l 武汉理上人学硕二t 学位论文 第1 章绪论 1 1 论文的选题、研究意义和目的 与所有结构物一样，桥梁也有其使用寿命。如果管养和维护不好，其寿命 将会大大缩短，甚至会发生突然的破坏。尤其是近年来，随着我国经济的快速 发展，交通量增长，重车、超重车不断增多，为此公路，尤其是桥梁的病害发 生频繁。由于对其认识不足，管养监测和维护不当，造成桥梁破坏和人民生命 财产损失的事件也时有发生。四川宜宾大桥的事故就是例证。桥梁与人是样 的，也会生病，需要治疗，需要定期进行身体检查，或称管养监测和维护，或 国外习惯称为桥梁的健康监测。 结构健康监测【2 】( s t r u c t u r a lh e a l t hm o n i t o r i n g ，s h m ) 是指利用传感器和 计算机系统实现对在役结构的工作状态和可能发生的损伤的检测。为了有效实 现健康监测的目标，一般必须利用由传感器和计算机系统构成的结构健康监测 系统对结构进行长期的在线监测，并有效利用监测信息反演结构的状态，识别 结构中的损伤。结构健康监测的关键所在，技术上而言，主要是先进传感器的 优化布设和信息的高效传输：理论上而言，主要是结构识别理论和状态评估理 论的发展。结构识另l j ( s t r u e t u r a li d e n t i f i c a t i o n ，s ti d ) 的定义为i 】：利用结构的实测 信息对数学模型计算得到的有关结构响应特征的参数进行修正的过程；结构识 别也是通过监测资料反演结构状态的过程。如果结构中存在了损伤，那么结构 状态识别的过程也就是结构损伤识别的过程。因此，损伤识别和结构识别的关 系，实际上是存在部分交集2 个不同的集合；结构识别包含了健康结构和损伤 结构的识别：准确的健康结构模型提供了结构在健康状态的客观基准，是结构 健康舱测的先决条件；而损伤识别，还更注重于定义损伤指针以评估其程度。 由此可见，结构健康监测和结构识别两者之间相辅相成、密不可分：方面，结 构健康监测为结构识别过程提供了结构在实际服役条件下的结构响应实测信 息，另。方面，结构识别得到结构的准确响应特征和模型，为结构健康监测和 损伤监测提供了基础。 出此可见，桥梁的健康监测的理论核心是结构状态反演和损伤识别，这也 武汉理 大学硕士学位 仑文 砥是月前国内外的研究热点。损伤识别的成功研究对如何建立健康监测系统有 蕈要指导意义，决定了监测系统的软件开发、传感器的选择及其测点布置等诸 多方面，因此也需要损伤识别理论与方法得以解决并应用于实际工程。 所以，剥桥梁结构开展损伤识别研究有重要的理论意义和实用价值。本 文在总结和吸收豁人对结构损伤识别研究成果的基础上，提出以神经网络和遗 传算法为主体的智能识别、预测方法，在桥梁管养监测与维护技术巾进行仞步 探讨。 1 2 国内外损伤识别研究现状及发展动态 1 2 1 国内外研究状况 近年来，国外学者在利用振动模态分析理论进行结构损伤和裂纹识别方面 开展了大量的研究工作，提出了各种各样的识别方法。按照是否使用分析模型 分类可分为无模型识别方法和有模型识别方法【1 1 。实际应用中可根据问题的类 型予以合理选用。 l 、无模型识别方法 无模型识别方法又称为指纹识别法。利用结构损伤前后自振特性建立指纹， 通过指纹比较可以直观进行损伤识别，其最大优点是可不依赖分析模型，但须提 供实际结构的未损伤情况f 的振动信息。该法早期是利用a l em a n g 等1 4 】提出的 模态保证准则m a c ( m o d a la s s u r a n c ec r i t e r i o n ) 或它的演变形式进行损伤识 别。实质上，m a c 方法是通过构造各阶模态的相关系数矩阵，并使其迹最火， 从而实现模态匹配。可以看到，姒c 在模态的基础上对信息做了更进一步的压 缩，因此如何使信息在压缩过程中尽可能少地丢失有用信息是该方法成功应用 的关键，例如m o l l e r 等1 5 1 提出的改进方法，能更充分地利用m a c 矩阵中的信息。 指纹法简单易行，是工程界易于接受的方法。 w e s t 忙l 茸次利用模态信息确定损伤位置。该法先测得飞机机翼各个部分服 役前和服役后的模态，用m a c 来确定机翼各个部分服役前后模态的相关程度， 相关程度显著变化的部分就表明该部分有损伤。该法同时电验证了m a c 法的可 行性。f o x 【7 j 研究发现m a c 法对损伤不够敏感，改进提出了节线模态保证准则 ( n o d el in em a c ) 。该法将测量点置于某阶模态的节线( 点) 处，这样得到的m a c 2 武汉理工火学硕+ 学位论文 对损伤更敏感。并研究了将振型节点和振型位移最大值联系起来的损伤识别力 法和按比例改变振型形状的方法，比例改变后能更好地从模态图 i 直接识别损 伤。r a t c l i f f e l 8 i 用模态的l a p l a c e 操作数的有限差分近似法来识别损伤，提出 了粱损伤定位的一种方法。 曲率模态和应变模态是目前使用较多的损伤识别指针。根据位移和应交关 系，每一阶位移模态对应一阶应变模态。当结构损伤时，损伤位置附近产生较 明显的应力重分布，引起应变模态发生较大变化，通过比较前后应变模态可以 判断损伤位置。通常用于梁、板、壳等结构的损伤识别。这些结构的曲率同弯 距和刚度间有着直接的关系，从而可以根据各阶模态曲率变化进行损伤检测。 p a n d e y 等1 9 指出，模态曲率的改变能够很好地表征损伤。模态曲率可以由模态 通过差分法计算得到。s t u b b s 等【l o l 提出了一种将结构划分成若干单元，用单元 的损伤前后各阶模态应变能之和的比值作为损伤指针来确定损伤位真的新方 法。其中，单元的各阶模态应变能可根据模态曲率计算得到。s a l a w u 等j 证明， 用试验资料得到的曲率改变并非总能很好地表征损伤，并指出成功识别的关键 在于分析中将使用哪些阶模态。董聪【1 2 1 提出结构应变模态是位置坐标的单调函 数适合于损伤定位。r a t c l i f f e i l l 用基于曲率和频率的实验方法识别结构损伤。 孩法实验测得的频率响应函数得到位移( 频率的函数) ，推得曲率，利用曲率作 为损伤指针。实例表明该法能够正确识别仅0 8 梁高的锯口的损伤。李德葆 等i l 4 】讨论了承弯结构曲率模态与应变模态之间的关系。推导了曲率模态诈交性 和迭加性等特性。认为曲率模态表达式比应变模态表达式更简洁，且梁式结构 的曲率与刚度有直接关系，因而使用起来更直接更方便，并给出了根据振型计 算曲率的实用公式。邓焱l l ”求取损伤梁曲率模态的= 次微分形式，得出一个新 的损伤检测指针应力变化陡峭度，仿真计算表明应力变化陡峭度反映损伤 更明显，但是缺点是应力变化陡峭度是由位移模态经四次差分计算求得，所以 要求位移模态测量由很高的精度。张开银等【i 6 1 通过曲率模态曲线有效识别并定 位悬臂梁结构的损伤，同时能够识别损伤程度，该方法具有识别率高，且无需 结构损伤前的模态信息等优点。 但应该指出，应变、曲率模态在实际应用中有2 个问题。高阶模态比低 阶模态振型更易于识别结构损伤，而实测一般不能获得较为精确的高阶模态： 模态误差对识别结果影响很大，有时测量误差与结构局部变化引起的模态变 化量相当。 3 武汉理1 = 大学硕士学位论文 s h i 等m i 提出了基于模态应变能改变率m s e c r ( m o d a ls t r a i ne n e r g yc h a n g e r a t i o ) 识别损伤的方法。该法仅需试验模态振型和单元刚度矩阵信息就可以准 确识别单、多个结构损伤，而无需未损结构信息。在桁架和框架两个算例中考 虑了环境噪声、测星误差和模态测量不完整等不利因素影响，证明了该法容错 性、实用性和对损伤的敏感性。c o r n w e l l 等【l8 】将梁式结构模态应变能损伤识别 方法推j “到，二维弯曲的板式结构损伤识别，并研究了相应算法。该算法仅需 结构损伤前后的模态。该法可以仅根据前若干阶模态准确识别板上某个区域内 最 氐到1 0 的损伤，并用分析模型和试验进行了验证。唐小兵开展了基于单 元模态应变能和模态动能的结构损伤识别研究，首次提出了空间结构损伤( 裂纹) 位置识别的分模态应变能法。研究表明，空间结构损伤( 裂纹) 位置识别的分模 态应变能法可以有效地识别出如梁、板等空间结构的损伤( 裂纹) 位置，而总模 态应变能法则不能进行正确识别。 2 、基于模型识别方法 这种方法需要建立分析模型，通过比较分析模型和试验结果来识别损伤位 冒，并定性或定量识别损伤的程度。在实际大中型土木工程损伤检测巾，绝大部 分采用基于分析模型的损伤识别方法，如香港的青马大桥健康监测1 2 0 1 。该方法的 前提是建立一个好的有限元分析模型和较为精确的预测实际结构的动力响应。 c a w i e y 等1 2 l j 提出了一种根据频率的改变来检测复合材料损伤的方法。他们 将不同阶的模态频率变化的比值8 0 ) ，8 0 ) ，作为损伤指针( i d ) 。基于f e m 模型， 分析可能损伤位置的指针值( i d a i ) ，并与测量资料算得的指针值( i d x ) 做比 较。当满足m i n l ( i d 一4 f ) 一( 三d x l 时，分析损伤位置i 就是实际损伤位篝，但 这种方法只考虑了单个损伤。f o x l 2 2 】研究了一根粱的数值和试验结果，试验资料 表明当梁上有锯口时某些阶模态频率反而略微增加。这是测量模态频率的方法 不够精确导致的，并认为频率不是好的损伤指针。s r i n v a s a n 等2 卅还对板损伤 进行了研究，得到了与f o x 类似的结论。p e n n y 等【2 4 1 将各种损伤情况f ，分析 和试验得到的各阶模态频率变化作为2 个向量，用最小：乘法对分析和试验结 果进匹配实现损伤识别。f a r r a r 等 2 5 1 的研究表明，频率变化对高速公路桥的损 伤彳i 灵敏，即使全桥截面刚度减少2 1 ，模态频率亦无显著变化，须求助于高 精密测量仪器。认为频率主要表征结构的整体性质，不能识别损伤的位置和稃 度。j u n e j a 等| 26 j 提出了一1 种对比最大化( c o n t r a s tm a x i m i z a t i o n ) 方法。该法 把各种损伤结构的响应数掘库同实际结构响应对应起来，从而定位损伤。他们 4 武汉理工人学硕士学位论文 还提出了损伤探测的一种预测方法。 s t ，u b b s 等在文献【2 l 】的工作基础上，进一一步提出厂一种基于频率变化灵 敏度的损伤识别方法。该法的缺点是计算量大且依赖准确的数值模型。 l e a r n 等1 2 8 】提出了一种利用多阶模态频率改变，先识别损伤位置再识别损伤程度。该 法假设损伤不改变质量矩阵并忽略二阶项。通过动力特征方程将第i 阶模态频 率改变的平方与单元刚度矩阵的改变以及单元刚度矩阵损伤指针联系起来，推 导得到频率改变的平方是损伤指针和损伤位置的函数，其比值只与损伤位胃有 关。确定损伤位置后，计算损伤指针从而确定损伤程度。 用频率法进行损伤识别的研究表明，仅仅用模态频率来识别损伤是硝i 够的， 尤其是在损伤位置的确定方面。这是因为，频率尤其是通常测得的前几个低阶频 率是一种全局信息，而损伤一般是一种非常局部的现象，这给识别带来了较大困 难。例如，结构不同部位的损伤可能造成相近的频率变化，表明频率不包含损伤 位置信息。将不同阶的模态频率相关联虽然可以提供损伤位置信息，但研究表明 由于频率变化对损伤的不敏感以及误差的存在和损伤情况的复杂性，该法识别 结果并不令人满意。 p a n d e y 等【3o 】提出了种基于柔度改变的结构损伤定位方法。数值和试验结 果表明仅用前2 阶模态就可以确定损伤位置。张华1 2 9 】针对在实际应用巾结构的 高阶模态较难获得的情况，提出基于柔度矩阵的损伤识别方法。通过一悬劈粱 结构在多位置损伤情况下的数值模拟表明，只需识别结构的前3 阶模态参数， 便可对结构进行损伤定位。 模型修正法主要用试验结构的振动反应记录与原先的模型计算结果进行综 合比较，利用直接或间接测知的模态参数、加速度时程记录、频率响应函数等， 通过条件优化约束，不断地修正模型中的刚度分布，从而得到结构刚度变化的 信息，实现结构的损伤判别与定位。这种方法在划分和处理子结构上具有很多 优点，但由于测试模态集不完备、测试自由度不足以及测量信噪比低等原因， 很少能给出修正所需的足够信息，从而导致解的不唯，而且采用传统方法进 行参数估计时容易产生病态方程【1 9 l 。 b a r u c h 等1 3 ”基于最小范数概念，用试验测得的振动特性修正结构刚度矩 阵a z i m m e r m a n 等1 3 。”1 基于振动的特征结构配置法提出了一种算法用于损伤位 置识别a 该法有很高的计算效率，采用最小秩修正理论确定损伤程度。最小范 数法的缺点是对整个刚度矩阵进行修正，而损伤足局部的，给这种方法带来困 5 武汉理t 大学硕士学位论文 难。d o e b l i n g 3 4 i 指出，在损伤识别中，最小秩法优于最小范数法。灵敏度修j f 法是基于泰勒级数展开的一种损伤识别方法。h e m e z 3 5 1 讨论了灵敏度修正的各种 方法及其分类，各方法区别在于灵敏度矩阵的计算。s a n a y ej 等1 36 j 讨论有关算 法对噪声的灵敏度，研究了所选择的测量自由度对识别参数误差的影响，提出 了种试凑法，减少对基本刚度参数很灵敏的自由度。刘济科等 3 将固有频率 和固有模态灵敏度分析相结合，利用泰勒级数展开及最小二乘法，直接求解损 伤指针。实际应用中，灵敏度修正法计算量很大。王柏生等1 38 】先用损伤指针确定 损伤位置，再用灵敏度法确定损伤程度，降低了计算量。 2 0 世纪9 0 年代以来，不少学者开始利用神经网络和遗传算法进行结构损 伤谚 别研究 3 叫”。神经网络建立了输入与输出之间的非线性映射关系，但选择 什么样的输入参数才能较好地识别损伤，目前还没有权威的说法。许多文献采 用固有频率( 或相对改变量) 作为网络的输入参数，有的采用位移模态、曲率模 惫、应变模态等作为输入参数，有的则采用位移、加速度时程响应数据，还有 的采用传递函数、频率响应函数( 有位移、应变频晌函数等) 作为输入参数，也 有采用固有频率和少量点的模态分量组合作参别4 们。遗传算法是一种典型的令 局优化方法，对多蜂性优化问题相当有效。由于损伤识别问题可以转化为有约 束的目标函数极小化问题1 4 ”，所以越来越多的人开始将遗传算法用于结构损伤 识别。 罗跃纲【47 j 等应用人工神经网络技术，以反映结构损伤程度的固有频率作为 神经网络输入的特征参数，建立结构故障诊断模型，对简支矩形截面钢梁裂纹 深度和位置进行了诊断和预测研究。沉东强1 4 8 l 等人针对大型复杂结构，普遍存 在神经网络结构复杂，识别效率低下的问题，以框架结构为例，应用b p 网络 分阶段的进行损伤位置、损伤程度的识别，这有效降低了网络的复杂性，减少 了学习样本，提高了学习效率。王修勇【4 9 l 等采用结构损伤分步识别方法，首先 利用柔度矩阵得到损伤的大体位置，然后采用神经网络技术确定损伤改变量。 陆秋海p u j 等在分析现有识别指针的基础上，提出了用于神经网络方法的六种基 j 二结构模态试验参数的损伤识别指针，并对它们进行了实例识别和比较研究， 指m 应变类型的损伤识别指针对结构损伤的敏感度比位移类型的损伤识别指针 i 箭。 沈成武。4 叫等将平面刚架结构裂纹的识别转化为多峰值的全局优化问题，根 据结构前5 阶频率的变化，来识别裂纹的位置和深度。邵金林h 5 1 等尝试用遗传 6 武汉理工大学硕二 学位论文 算法与有限元结合，对悬臂梁的内部空洞进行识别，得到满意的逆分析结果。 饶文碧【5 1 1 等从遗传算法和神经网络相结合的角度研究了结构损伤识别问题，利 用遗传算法进行b p 网络的权值优化，不仅获得了神经网络的广泛映射能力， 同时具有遗传算法快速、全局收敛的能力，取得较好的识别效果。随后刘书贤 1 5 4 1 也采用同样的方法，对一个框架模型进行了损伤数值模拟计算，结果表明， 该方法具有收敛速度快和识别精度高的特点，弥补了传统的神经网络b p 网络 收敛速度慢，易陷入局部极小点等缺陷。马祥森扣2 j 针对传统b p 神经网络训练 中存在的些问题，利用基因实数编码的遗传算法优化b p 网络的结构及初始 参数，从而大大提高了神经网络的训练精度。孙宗光1 53 】分别利用动态网络和g a 网络，对应用神经网络的模式分类技术识别桥面结构损伤位茕的方法进行了研 究，比较了两种网络对损伤位置的识别效果，结果表明，应用神经网络的模式 分类技术对桥梁桥面结构损伤位置识别的方法是可行的，两种网络均可产生较 好的识别结果。 1 2 2 结构损伤识别相关技术的发展 结构损伤识别与计算机技术、模态分析理论、测试技术、信号处理技术、 优化方法等的发展有着密切的联系。 由于结构损伤识别属于力学中的反问题，它利用反映结构损伤信息的模态 参数变化来识别结构物理参数的变化，这个反问题可以转化为对应的多峰优化 问题，因此，各种优化方法被引入。其中近年来用得较多的具有代表性的优化 方法是神经网络方法和遗传算法【5 5 】。 与一般的传统数据处理方法相比，神经网络技术在处理以下几方面资料( 信 息) 时有其独特的优越性 5 6 1 ： ( 1 ) 模糊的资料； ( 2 ) 需要决定的模式特征不明确； ( 3 ) 数据本身非线性： ( 4 ) 随机数据或数据中含有较多的噪声。 由于神经网络具有良好的自适应性、自组织性和容错性，具有较强的学习、 记忆、联想、识别功能，大规模并行结构，信息的分布式存储和并行处理等等， 冈此，神经网络已经在信号处理、模式识别、目标跟踪、机器人控制、专家系 统、组合优化、网络管理等众多领域取得了引人注目的应用成果 5 7 - 6 0 1 。 7 武汉理工大学硕士学位论文 虽然神经网络具有种种优越性，但在求解优化问题刚也存在许多不足，以 最常用的b p 网络来说，它的收敛速度太漫，需要大量的时间来进行样本训练； 而且，由于该方法采用梯度下降法，因而有可能陷入局部极小值而非获得全局 最小值；在训练样本范围内，b p 神经网络将有较好的预测值，超过训练样本范 围，预测会出现较大的误差；另外，选择好学习参数和网络结构( 如网络的层数、 每个隐层的节点数以及激活函数等) 也不是件容易的事。 另一个有前途的优化方法是遗传算法。遗传算法是近年束发展起来的一一个 算法，它是由h o l l a n d 6 1 1 于1 9 7 5 年提出来的，而较早将其用于结构工程的是1 9 8 6 年 = 1g o l d b e r g 和s a m t a n i 进行的1 0 秆桁架优化设计及1 9 9 0 年由d e b 进行的 焊接点优化设计。由于这一方法在寻找优化解方面有独到特点，因而近年来吸 引了大量的研究者丌展有关研究工作 6 2 6 3 】。 遗传算法与传统的优化设计方法相比，有几个明显的特点： ( 1 ) 不需要目标函数的导数信息： ( 2 ) 同时搜索解宅间内的许多点，并在优良点附近繁殖，而且哥优过程仍 不断注意搜索解空间中的更优点，因而可避免传统优化方法仅收敛于局部最优 解的不足，并求得全局最优解。 ( 3 ) 寻优过程虽然具有随机性，但并不是在解空间中盲目地进行穷举式的 搜索，而是一种启发式的搜索。其趋优的搜索轨迹，仅占解空间的很小部分， 因而可避免过大的工作量。 但是，遗传算法是一种概率搜索方法，它需要用相当数量的染色体组成集 团，进行大量的目标函数值计算，就结构优化分析而言，每个函数值的获取等 同j 二进行次有限元分析，世代繁殖寻优过程的有限元重分析工作量可想而知。 对于小规模优化问题，这些计算量并不构成严重障碍，然而对于大规模的结构 优化问题，大量的有限元分析计算将是一个沉重负担。因此，如何有效地减少 有限元分析计算工作量是遗传算法成功地应用于大型结构优化设计的关键。同 样，对于结构损伤识别问题，减少计算量也是使用遗传算法求解时所必须考虑 的一个重要问题。 1 2 _ 3 损伤识别方法存在的问题 诸多识别方法遇到的困难主要有：信息不足。通常只能得到结构前儿阶 模态，且在对时程响应压缩的过程中丢失了一部分有用信息。测点不足和测点位 8 武汉理工大学硕士学位论文 置不当也是信息不足的重要因素，例如无测点区域损伤用曲率模态法无法识别。 信息太复杂。结构振动信息非常复杂，模态和频率从本质卜- 说是属于结构的宏 观信息，利用它们实现比较精确的损伤定位是非常困难的，复杂结构尤其如此， 目前大部分研究成果仍集中于简单的粱式结构损伤识别。信息的小确定胜。 许多方法都依赖于动力测试的精度。模型误差、测量误差、数据处理误差常常 “淹没”了损伤信息。此外，一些计算方法如振型扩阶、模型缩聚、测点捅值等 不可避免地会带来误差，增加信息不确定性。获得基准模型的困难。不沦有模 型还是无模型损伤识别方法，大都需要提供末损结构信息，显然这在实际应用中 有一定困难。 基于以上困难，尚待进一步研究的主要问题有：( 1 ) 传感器优化布胃方法。 目前的优化方法大都依赖总体分析模型，有分析模型的误差直接导致优化算法 失效。因此，减少对模型依赖的优化方法很有发展前景。( 2 ) 环境振动条件下系 统识别方法。与机械结构不同，土木工程结构最好的激振源是环境振动。模态参 数识别精度是成功进行损伤识别的关键。( 3 ) 寻找更好的损伤指针。要求对损伤 非常敏感，在损伤初期就能准确识别损伤的发生和位置，同时不依赖于未损结构 信息。( 4 ) 将人工神经网络技术应用于损伤识别。传统的数学模型对误差非常敏 感，而神经网络对噪声和不完整信息具有低敏感性，并且具有自动特征提耳义能力 值得深入研究。( 5 ) 充分利用间接的损伤信息。医生诊断病人需要了解其病史 同样，损伤识别如能将已知的损伤情况及其结构响应信息考虑进去，就能更准确 的估计损伤，例如贝叶斯概率方法 6 5 i 等。( 6 ) 目前大部分方法是针对梁式结构损 伤识别的，框架结构、板和壳损伤识别期待更多的研究，将识别方法实用化。( 7 ) 发展能够进行实时监测的识别方法。国内许多大型结构健康监测资料曰积月累， 尚无有效方法进行处理。( 8 ) 建立基准结构模型。损伤识别方法剥比性研究缺乏 基准，需要建立一个基准结构模型，突出显现不同方法的优缺点，如i a s c a s c e 结构健康监测工作组建立的基准结构模型( 6 “。 总之，结构损伤识别目前仍处于发展的初期阶段，实验成果主要还只是局 限于简单的平面杆、梁、板结构，对于更复杂的系统还难以应用，对多损伤识 别的研究还玎展得很少，而且，损伤识别算法也需要改进。因此，有必要对结 构损伤识别开展进一步的研究。 9 武汉理工大学硕士学位论文 1 3 本文的主要研究工作 本文以国内外桥梁健康监测系统、损伤识别、人工神经网络方法、遗传算 法书籍、资料的收集、分析研究为基础，根据桥梁损伤识别、人工神经网络方 法及遗传算法的发展前景，利用有限元软件g q j s 及f o r t r a n 程序将b p 神 经网络和遗传算法结合应用于桥梁损伤识别中，同时实现对损伤位置与损伤程 度的识别，形成一套基于b p 神经网络和遗传算法结合的桥梁损伤识别技术。 本文以钟祥汉江公路大桥为研究对象，进行一下几个方面的研究： ( 1 ) 进行文献综述。通过对国内外结构损伤识别方面的文献资料研究，了 解目前国内外损伤识别的研究现状、发展动态以及相关技术的发展，并总结了 目前结构损伤识别存在的问题。分析了基于b p 神经网络和遗传算法的结构损伤 识别技术。 ( 2 ) 重点研究基于b p 神经网络和遗传算法结合的损伤识别方法。在此过 程中分析了人工神经网络的基本理论及遗传算法的基本理论。 ( 3 ) 利用桥梁结构有限元分析软件g q j s 建立钟祥汉江公路大桥的结构模 型，从两个角度对该桥的病害进行识别研究，即：弹性模量降低、预应力附加 损失。利用正交试验方法设计不同位置以及不同程度的损伤，计算结构模型在 不同损伤情况下的位移响应。 ( 4 ) 将挠度差( 损伤结构与完好结构的位移之差) 作为损伤识别的敏感因 子，将损伤位置和损伤程度( 输入) 与挠度差( 输出) 作为样本来训练b p 神经 网络，以获得损伤参数与挠度差之间的非线性全局映射关系，然后建立优化模 型，利用神经网络建立的映射关系计算目标函数值，通过遗传算法进行寻优搜 索计算，进而识别出损伤位置和损伤程度。 ( 5 ) 由实测挠度差识别大桥实际损伤量，并估算大桥实际承载能力，为桥 梁加固提供理论依据。 1 0 武汉理工大学硕士学位论文 2 1 引言 第2 章结构损伤识别的基本理论 结构损伤识别多年来一直是人们关注的课题。从查阅的文献来看，结构损 伤识别主要分为基于动态的损伤识别方法( 动力识别) 和基于静态的损伤识别 方法( 静力识别) 两种。动力识别是以结构振动为核心的检测技术，这是一种 全局方法，需要测得系统的模态参数( 如固有频率，模态振型和模态阻尼) ，其基 本思想是模态参数是系统物理特性( 如刚度，质量和阻尼) 的函数，因而物理特 性的改变与系统动力响应的改变间是相关联的，可以利用这种关联来识别损伤。 静力识别是指结构在静载作用下的响应如位移、应变等参数随结构物理特性的 改变而作相应的改变。相对而言，目前，国内外对结构动力识别的研究比较充 分，而静力识别的试验条件要求相对较高，故一直不太为人们所重视。 目前，损伤识别技术已经发展并具有了坚实的物理和