论文部分内容阅读
【摘 要】 随着我国经济的蓬勃发展，我们交通运输事业也得到了长足的发展，已经修建了大量的桥梁工程。但是值得注意的是，随着交通运输压力的增大和桥梁的老化，桥梁结构也存在不能程度的损伤。因此，对现有桥梁做出桥梁结构等级状态评估是非常有必要的。本文通过分析神经网络在桥梁结构等级评估中的可行性，结合在实践中对桥梁结构状态的识别经验，重点阐述了基于人工神经网络的桥梁结构等级评估中对于结构状态评估的应用分析，具有一定的现实理论参考价值。
【关键词】 神经网络;桥梁结构;等级评估;可行性;应用
1、前言
目前，BP神经网络模型的结构应用在桥梁结构等级评估中是国内外最新的研究成果。通过神经网络在桥梁结构等级状态评估的应用可以迅速、安全的将桥梁结构等级状态数据远程传输，对桥梁结构运行状态进行远程监测。更好的帮助我们了解桥梁的实际状况，及时诊断出局部损伤的位置以及损伤程度，就能使维修人员制定出正确的维修策略，及时修复桥梁结构。更好的延长桥梁的使用寿命，规避灾难性事件的发生，保证人民的出行安全。
2、神经网络在桥梁状况评定的可行性
BP神经网络可以在你功能和物理机制上模拟人脑，使它在某种功能上具备了人脑的一些特征。桥梁结构状况评定中存在大量的不确定因素，如材料的本构关系、结构的边界约束等等。BP神经网络在处理这些不确定问题时无需对其做出简化，根据样本或试验数据直接学习和处理就可以得出结果。无论从直觉推理还是从模糊判断的角度来说，人工神经网络都是可行的。它主要是根据桥梁结构的构造特点，把桥梁分解成几个子系统，再对各个子系统建立评价指标体系，分析各个评价指标的评分方式，并对各个指标进行评估，从而建立起完整的桥梁技术状况评价体系和评分标准体系，从而给出桥梁的总体技术等级评估。
3、桥梁结构状态的识别
对桥梁的结构状态进行识别，主要是对桥梁在日常使用中的健康情况进行监测，并对是否发生或已经发生的损失情况进行准确的识别与判断。
3.1桥梁健康情况的监测
对桥梁进行健康监测，主要是使用计算机系统和传感器在桥梁上形成监测系统，长期对桥梁的结构、工作情况和可能的损伤进行在线监测，并将监测到的信息用于对桥梁的结构状态进行反演，从而对其中的损伤进行识别。当桥梁遭遇特殊的交通条件、恶劣的气候或者使用功能异常时，能够发出预警的信号，从而为桥梁的使用、管理和维护提供指导。对桥梁健康情况进行监测，可以为桥梁的结构状态识别过程提供在现实情况下结构响应的实测信息。
3.2桥梁结构的损伤识别
桥梁结构状态识别的核心就是损伤识别，这里我们主要讲的是神经网络识别法。
1943年，二值神经元模型的提出，拉开了神经网络技术的序幕。从上个世纪九十年代以来，就有很多学者将神经网络用于对结构损伤的识别研究。神经网络识别法对原来的系统没有特殊要求，不限定是非线性或线性，在输出和输入间建立其非线性的映射关联，而对于输入参数也没有明确的规定，可用的输入参数有位移模态、固有频率、应变模态和曲率模态等。神经网络自身的高度容错性和非线性映射能力使对参数的准确与否没有严格要求，对于模糊信息的处理和专家推理的模拟能力都非常具有潜能，可以对桥梁进行實时的诊断和监测，对损伤的位置可以准确的进行识别，并且可以合理评价损伤的程度，所以在桥梁的损伤识别和健康判断中可以发挥巨大的作用。
4、桥梁使用性能评价的神经网络设计
桥梁使用性能是表征桥梁状况和服务功能在行车和环境作用下变化规律的一个综合性概念，它从不同侧面反映了桥梁状况对行车要求的满足或适应的程度，通常包括功能性能和结构性能。具体的体现为桥梁的行驶质量，桥梁破损状况，结构承载力和桥梁抗滑性4个方面。下面将针对我国沥青交通量大，区划交通现象突出，重载超载车辆多等具体特点，特定影响沥青桥梁综合评价指标的分项指标因素。
4.1平整度
桥梁平整度是指桥梁表面诱使车辆出现震动的高程变化。通常用平整度的大小来表征桥梁行驶质量的舒服与否。在此平整度作为性能综合评价指标的分项指标。由于本次研究分项指标采用线性无量纲化的方法，因此，对于平整度标准偏差有较好线性相关的国际平整度指数IRI同样可以直接作为神经网络评价的输入数据，这样使得神经网络评价的通用性和方便性加强。
4.2桥梁破损率
桥梁破损状况直接影响行驶车辆的舒适性和安全性，是判断确定养护或改建策略的主要依据。对于表征桥梁的破损状况，桥梁破损率DR能够准确反映或计量每个路段桥梁不同类型不同程度和范围的破坏。
4.3结构强度系数
作为服务于运营车辆的道路，要保证直接作用在桥梁结构上的车辆能够快速安全和舒适的行驶，其自身必须具有足够的强度和稳定性。通过对桥梁结构承载能力进行评价，可以清楚掌握路网内的道路承载能力是否较差或不足，以便及时确定是否应该改建等。
4.4车辙深度
根据高速公路行车及桥梁破损的特点，将车辙破损作为一个指标进行单独的考虑。此处选用车辙深度RD直接作为影响高速公路桥梁性能的一个因素.
5、基于人工神经网络的桥梁结构等级评估的结构状态评估分析
人工神经网络是在物理机制上模拟人脑信息处理机制的信息系统，其不但具有数值处理的一般计算能力，而且还具有处理知识的思维、学习、记忆能力。神经网络产生于20世纪40年代，至今已有半个多世纪的历程。
目前应用于结构状态评估领域的神经网络主要为多层前馈性神经网络（BP神经网络）。BP神经网络是当前工程应用最广泛的一种人工神经网络。它的最大特点是仅仅借助样本数据，无须建立系统的数学模型，就可对系统实现由R。空间（n为输入节点数）到R。空间（m为输出节点数）的高度非线性映射。故在桥梁结构状态评估应用中，可以直接使用BP神经网络实现输入参数与桥梁损伤状态之间的非线性映射，而无须建立系统的数学模型。而且，这种映射结果的精度一般可由足够的训练样本（由仿真数据得到）来保证。BP网络是一单向传播的多层前向网络。BP算法的学习过程由正向传播和反向传播组成。网络除输入、输出节点外，有一层或多层的隐层节点，同层节点中没有任何耦合。输入信号从输入层节点依次通过各隐层节点，然后传到输出层节点，每一层节点的输出只影响下一层节点的输出。每个节点为单个神经元，其单元特性（传递函数）通常为Sigmoid型函数，但在输出层中，节点的单元特性有时为线性函数。如果输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路返回通过修改各层神经元的权值使得误差信号最小。BP网络可看成是一从输入到输出的高度非线性映射。道路、桥梁是国家重要的生命线工程，运用神经网络对它们展开健康检测与诊断意义重大。对于神经网络来说，输入特征参数的选择对其学习时间和网络泛化能力影响巨大。
6、结束语
综上所述，对桥梁结构进行等级状态评估工作具有重大的现实意义，通过神经网络的应用能更好的掌握桥梁结构状态数据，建立全面的桥梁检测系统。有针对性的开展桥梁的维护保养和修复工作，不断推进建立桥梁信息和评价的操作平台。
参考文献：
[1]卢建飞.桥梁结构状态评估综述[A].交通标准化.2010，3（8）：128-129.
[2]宋琦.桥梁结构损伤识别的发展与研究[J].甘肃科技.2008，24（17）：135-137.
[3]吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2013.
[4]陈长征，罗跃钢，白秉三等.结构损伤检测与智能诊断[M].北京：科学出版社，2011.
【关键词】 神经网络;桥梁结构;等级评估;可行性;应用
1、前言
目前，BP神经网络模型的结构应用在桥梁结构等级评估中是国内外最新的研究成果。通过神经网络在桥梁结构等级状态评估的应用可以迅速、安全的将桥梁结构等级状态数据远程传输，对桥梁结构运行状态进行远程监测。更好的帮助我们了解桥梁的实际状况，及时诊断出局部损伤的位置以及损伤程度，就能使维修人员制定出正确的维修策略，及时修复桥梁结构。更好的延长桥梁的使用寿命，规避灾难性事件的发生，保证人民的出行安全。
2、神经网络在桥梁状况评定的可行性
BP神经网络可以在你功能和物理机制上模拟人脑，使它在某种功能上具备了人脑的一些特征。桥梁结构状况评定中存在大量的不确定因素，如材料的本构关系、结构的边界约束等等。BP神经网络在处理这些不确定问题时无需对其做出简化，根据样本或试验数据直接学习和处理就可以得出结果。无论从直觉推理还是从模糊判断的角度来说，人工神经网络都是可行的。它主要是根据桥梁结构的构造特点，把桥梁分解成几个子系统，再对各个子系统建立评价指标体系，分析各个评价指标的评分方式，并对各个指标进行评估，从而建立起完整的桥梁技术状况评价体系和评分标准体系，从而给出桥梁的总体技术等级评估。
3、桥梁结构状态的识别
对桥梁的结构状态进行识别，主要是对桥梁在日常使用中的健康情况进行监测，并对是否发生或已经发生的损失情况进行准确的识别与判断。
3.1桥梁健康情况的监测
对桥梁进行健康监测，主要是使用计算机系统和传感器在桥梁上形成监测系统，长期对桥梁的结构、工作情况和可能的损伤进行在线监测，并将监测到的信息用于对桥梁的结构状态进行反演，从而对其中的损伤进行识别。当桥梁遭遇特殊的交通条件、恶劣的气候或者使用功能异常时，能够发出预警的信号，从而为桥梁的使用、管理和维护提供指导。对桥梁健康情况进行监测，可以为桥梁的结构状态识别过程提供在现实情况下结构响应的实测信息。
3.2桥梁结构的损伤识别
桥梁结构状态识别的核心就是损伤识别，这里我们主要讲的是神经网络识别法。
1943年，二值神经元模型的提出，拉开了神经网络技术的序幕。从上个世纪九十年代以来，就有很多学者将神经网络用于对结构损伤的识别研究。神经网络识别法对原来的系统没有特殊要求，不限定是非线性或线性，在输出和输入间建立其非线性的映射关联，而对于输入参数也没有明确的规定，可用的输入参数有位移模态、固有频率、应变模态和曲率模态等。神经网络自身的高度容错性和非线性映射能力使对参数的准确与否没有严格要求，对于模糊信息的处理和专家推理的模拟能力都非常具有潜能，可以对桥梁进行實时的诊断和监测，对损伤的位置可以准确的进行识别，并且可以合理评价损伤的程度，所以在桥梁的损伤识别和健康判断中可以发挥巨大的作用。
4、桥梁使用性能评价的神经网络设计
桥梁使用性能是表征桥梁状况和服务功能在行车和环境作用下变化规律的一个综合性概念，它从不同侧面反映了桥梁状况对行车要求的满足或适应的程度，通常包括功能性能和结构性能。具体的体现为桥梁的行驶质量，桥梁破损状况，结构承载力和桥梁抗滑性4个方面。下面将针对我国沥青交通量大，区划交通现象突出，重载超载车辆多等具体特点，特定影响沥青桥梁综合评价指标的分项指标因素。
4.1平整度
桥梁平整度是指桥梁表面诱使车辆出现震动的高程变化。通常用平整度的大小来表征桥梁行驶质量的舒服与否。在此平整度作为性能综合评价指标的分项指标。由于本次研究分项指标采用线性无量纲化的方法，因此，对于平整度标准偏差有较好线性相关的国际平整度指数IRI同样可以直接作为神经网络评价的输入数据，这样使得神经网络评价的通用性和方便性加强。
4.2桥梁破损率
桥梁破损状况直接影响行驶车辆的舒适性和安全性，是判断确定养护或改建策略的主要依据。对于表征桥梁的破损状况，桥梁破损率DR能够准确反映或计量每个路段桥梁不同类型不同程度和范围的破坏。
4.3结构强度系数
作为服务于运营车辆的道路，要保证直接作用在桥梁结构上的车辆能够快速安全和舒适的行驶，其自身必须具有足够的强度和稳定性。通过对桥梁结构承载能力进行评价，可以清楚掌握路网内的道路承载能力是否较差或不足，以便及时确定是否应该改建等。
4.4车辙深度
根据高速公路行车及桥梁破损的特点，将车辙破损作为一个指标进行单独的考虑。此处选用车辙深度RD直接作为影响高速公路桥梁性能的一个因素.
5、基于人工神经网络的桥梁结构等级评估的结构状态评估分析
人工神经网络是在物理机制上模拟人脑信息处理机制的信息系统，其不但具有数值处理的一般计算能力，而且还具有处理知识的思维、学习、记忆能力。神经网络产生于20世纪40年代，至今已有半个多世纪的历程。
目前应用于结构状态评估领域的神经网络主要为多层前馈性神经网络（BP神经网络）。BP神经网络是当前工程应用最广泛的一种人工神经网络。它的最大特点是仅仅借助样本数据，无须建立系统的数学模型，就可对系统实现由R。空间（n为输入节点数）到R。空间（m为输出节点数）的高度非线性映射。故在桥梁结构状态评估应用中，可以直接使用BP神经网络实现输入参数与桥梁损伤状态之间的非线性映射，而无须建立系统的数学模型。而且，这种映射结果的精度一般可由足够的训练样本（由仿真数据得到）来保证。BP网络是一单向传播的多层前向网络。BP算法的学习过程由正向传播和反向传播组成。网络除输入、输出节点外，有一层或多层的隐层节点，同层节点中没有任何耦合。输入信号从输入层节点依次通过各隐层节点，然后传到输出层节点，每一层节点的输出只影响下一层节点的输出。每个节点为单个神经元，其单元特性（传递函数）通常为Sigmoid型函数，但在输出层中，节点的单元特性有时为线性函数。如果输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路返回通过修改各层神经元的权值使得误差信号最小。BP网络可看成是一从输入到输出的高度非线性映射。道路、桥梁是国家重要的生命线工程，运用神经网络对它们展开健康检测与诊断意义重大。对于神经网络来说，输入特征参数的选择对其学习时间和网络泛化能力影响巨大。
6、结束语
综上所述，对桥梁结构进行等级状态评估工作具有重大的现实意义，通过神经网络的应用能更好的掌握桥梁结构状态数据，建立全面的桥梁检测系统。有针对性的开展桥梁的维护保养和修复工作，不断推进建立桥梁信息和评价的操作平台。
参考文献：
[1]卢建飞.桥梁结构状态评估综述[A].交通标准化.2010，3（8）：128-129.
[2]宋琦.桥梁结构损伤识别的发展与研究[J].甘肃科技.2008，24（17）：135-137.
[3]吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2013.
[4]陈长征，罗跃钢，白秉三等.结构损伤检测与智能诊断[M].北京：科学出版社，2011.