王超宇

(重慶交通大學(xué)建筑與土木工程 400074)

關(guān)于人工神經(jīng)網(wǎng)絡(luò)在橋梁工程中的應(yīng)用的綜述

王超宇

(重慶交通大學(xué)建筑與土木工程 400074)

本綜述盡可能詳細(xì)地介紹了人工神經(jīng)網(wǎng)絡(luò)這一熱門方法，然后通過幾個(gè)工程實(shí)例說明了人工神經(jīng)網(wǎng)絡(luò)在橋梁工程中各方面的應(yīng)用。

人工神經(jīng)網(wǎng)絡(luò)；橋梁工程；橋梁損傷檢測(cè)評(píng)估。

0 引言

在過去的十年中，人工神經(jīng)網(wǎng)絡(luò)的研究已經(jīng)深入涉及到各個(gè)領(lǐng)域，[1]成功解決了如智能機(jī)器人、自動(dòng)控制、生物、經(jīng)濟(jì)以及醫(yī)學(xué)等領(lǐng)域許多傳統(tǒng)計(jì)算機(jī)難以解決的實(shí)際問題，體現(xiàn)出了良好的智能特性。在工程方面，人工神經(jīng)網(wǎng)絡(luò)也起到了很大的作用，尤其是在施工控制、橋梁損傷診斷、結(jié)構(gòu)可靠度分析等方面起到了很大的作用。

1 何為人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，即ANN ），是20世紀(jì)80 年代之后人工智能領(lǐng)域興起的研究熱門。[2]它是通過信息處理，然后對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象， 建立一種簡(jiǎn)單模型，按照不同的連接方式組成不同的網(wǎng)絡(luò)。在工程界和學(xué)術(shù)界，它通常被稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)（或稱神經(jīng)元）之間相互聯(lián)接組成。每一個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù)，稱之為激勵(lì)函數(shù)（activation function）。每?jī)蓚€(gè)節(jié)點(diǎn)之間的銜接都代表著一個(gè)對(duì)于經(jīng)過該連接信號(hào)的加權(quán)值，稱之為權(quán)重，這就相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的銜接形式，權(quán)重值和激勵(lì)函數(shù)的不同而有差別。[3]而網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)的逼近，也可能是對(duì)一種邏輯策略的表達(dá)。

2 人工神經(jīng)網(wǎng)絡(luò)在橋梁工程中的應(yīng)用

2.1 人工神經(jīng)網(wǎng)絡(luò)在工程控制中的應(yīng)用

以三灘黃河大橋?yàn)槔齕4]，概述神經(jīng)網(wǎng)絡(luò)在工程控制中的作用。三灘黃河大橋位于國(guó)道109線，其主橋?yàn)?8+140+78三跨預(yù)應(yīng)力混凝土連續(xù)鋼構(gòu)，采用懸臂施工法。利用Matlab工具箱進(jìn)行整個(gè)神經(jīng)網(wǎng)絡(luò)的初始化、訓(xùn)練和仿真過程。首先組建網(wǎng)絡(luò)，再把樣本矢量作為輸入值輸入網(wǎng)絡(luò)，得到訓(xùn)練權(quán)值，這樣，此神經(jīng)網(wǎng)絡(luò)就完成了他的學(xué)習(xí)過程，可以用來進(jìn)行測(cè)試了。然后選取某幾個(gè)梁段當(dāng)做例子，把預(yù)測(cè)矢量輸入到網(wǎng)絡(luò)中，根據(jù)預(yù)測(cè)的樣本矢量對(duì)這幾個(gè)梁段的立模標(biāo)高進(jìn)行預(yù)測(cè)，可以從仿真結(jié)果中得到立模標(biāo)高，發(fā)現(xiàn)預(yù)測(cè)值與設(shè)計(jì)值相差很小，說明BP神經(jīng)網(wǎng)絡(luò)對(duì)于橋梁施工過程可以進(jìn)行有效的預(yù)測(cè)控制。

2.2 人工神經(jīng)網(wǎng)絡(luò)在橋梁結(jié)構(gòu)損傷識(shí)別中的作用

2.2.1 “三步法”對(duì)橋梁的結(jié)構(gòu)損傷檢測(cè)

橋梁結(jié)構(gòu)在運(yùn)營(yíng)過程中，時(shí)刻都在經(jīng)受著各種各樣的荷載，[5]如一期荷載、二期荷載、車輛沖擊荷載等，可以說一座橋梁在建成運(yùn)營(yíng)前就在承受荷載，再加上混凝土收縮徐變、預(yù)應(yīng)力松弛、溫度變化對(duì)結(jié)構(gòu)內(nèi)力的影響等，都會(huì)對(duì)橋梁結(jié)構(gòu)形成不同程度的損傷。然而根據(jù)現(xiàn)有的文獻(xiàn)資料看來，還沒有特別系統(tǒng)的關(guān)于橋梁結(jié)構(gòu)損傷診斷的方法。這里擬選用對(duì)損傷敏感的動(dòng)力參數(shù)作為指標(biāo)，再次應(yīng)用BP神經(jīng)網(wǎng)絡(luò)，驗(yàn)證神經(jīng)網(wǎng)絡(luò)在橋梁結(jié)構(gòu)損傷識(shí)別中的作用。橋梁損傷診斷一般分為探傷、定位和評(píng)估損傷程度三個(gè)步驟[6].以一座全長(zhǎng) 637.06米的簡(jiǎn)支梁橋?yàn)樗憷齺磉M(jìn)行診斷。使用ANSYS對(duì)該橋某跨建立三維有限元模型，通過降低單元的剛度來模擬損傷工況，并且為了模擬實(shí)測(cè)數(shù)據(jù)在有限元分析模態(tài)參數(shù)基礎(chǔ)上加了一個(gè)隨機(jī)數(shù)，隨之建立BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練網(wǎng)絡(luò)的樣本集采用橋梁健康模式樣本產(chǎn)生的數(shù)據(jù)，[7]而檢驗(yàn)網(wǎng)絡(luò)采用每種損傷工況產(chǎn)生的檢驗(yàn)樣本，結(jié)果表明該方法能準(zhǔn)確診斷結(jié)構(gòu)是否存在損傷；損傷定位選用前 5階豎向彎曲振型進(jìn)行計(jì)算，結(jié)果表明，曲率模態(tài)差曲線上數(shù)值出現(xiàn)突變的位置與工況的損傷位置完美重合，說明此方法可以用來進(jìn)行損傷定位。最后一步，找出損傷構(gòu)件并評(píng)估受損程度，利用有限元模型分別模擬損傷區(qū)域中的單元發(fā)生 8種損傷程度，結(jié)果是，如果損傷區(qū)域只是單個(gè)構(gòu)件出現(xiàn)損傷，其識(shí)別效果很滿意，但是如果是多個(gè)構(gòu)件同時(shí)產(chǎn)生損傷會(huì)出現(xiàn)誤判現(xiàn)象?？傮w來說[8]，人工神經(jīng)網(wǎng)絡(luò)的多步損傷診斷方法對(duì)于橋梁結(jié)構(gòu)損傷診斷還是具有一定可行性和很好的效果的。

2.2.2 綜合神經(jīng)網(wǎng)絡(luò)和主元分析對(duì)復(fù)雜橋梁的結(jié)構(gòu)損傷檢測(cè)

前面我們講的是單獨(dú)用人工神經(jīng)網(wǎng)絡(luò)來對(duì)簡(jiǎn)單橋進(jìn)行橋梁結(jié)構(gòu)損傷識(shí)別，現(xiàn)在，我們將綜合主元分析和神經(jīng)網(wǎng)絡(luò)為一體，來進(jìn)行對(duì)更復(fù)雜的橋梁的結(jié)構(gòu)損傷檢測(cè)。這種方法和常規(guī)的BP神經(jīng)網(wǎng)絡(luò)不同，他是把測(cè)量頻率響應(yīng)函數(shù)作為輸入函數(shù)輸入到神經(jīng)網(wǎng)絡(luò)內(nèi)[9]，用主元分析的方法簡(jiǎn)化數(shù)據(jù)（降維），并提取特征值。把提取的特征值作為輸入源而不是像以前一樣把原始誤差數(shù)據(jù)作為輸入源。測(cè)試模型選用鋼箱梁，先測(cè)量健康的梁的所有數(shù)據(jù)，然后對(duì)其進(jìn)行破壞以便進(jìn)行測(cè)試，然后利用主元分析法提取特性，之后將特性作為輸入量輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行網(wǎng)絡(luò)訓(xùn)練。將訓(xùn)練成功的網(wǎng)絡(luò)用于橋梁的損傷檢測(cè)，結(jié)果表明，此方法相比單獨(dú)使用神經(jīng)網(wǎng)絡(luò)更容易確定損傷的位置和程度，但是由于實(shí)驗(yàn)條件有限，結(jié)果中誤差量和實(shí)際破壞量相比仍不能達(dá)到完全精確，[10]相信在以后的工作中會(huì)使得這一方法變得更精確。

3 總結(jié)

通過上述對(duì)人工神經(jīng)網(wǎng)絡(luò)的描述以及各個(gè)工程實(shí)例可以知道，人工神經(jīng)網(wǎng)絡(luò)這一近年來的熱門方法在橋梁工程中無論是設(shè)計(jì)、施工還是檢測(cè)，都有非常大的使用潛力，體現(xiàn)出了良好的智能化。特別是在結(jié)構(gòu)檢測(cè)這一方面，體現(xiàn)出了其他方法無與倫比的精確性以及優(yōu)越性。而且可以看出，國(guó)外在人工神經(jīng)網(wǎng)絡(luò)

的應(yīng)用這一領(lǐng)域已經(jīng)做了很充分的挖掘，并且已經(jīng)取得了一定的研究成果。國(guó)內(nèi)也已經(jīng)開始逐漸重視這一方法。人工神經(jīng)網(wǎng)絡(luò)，說白了其實(shí)就是讓機(jī)器具有橋梁專家的橋梁評(píng)估知識(shí)，結(jié)合了現(xiàn)代化高科技設(shè)備和專家級(jí)別的人工智能。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，這一方法在橋梁工程中的作用還會(huì)被進(jìn)一步擴(kuò)大，值得我們?nèi)ヌ剿骱脱芯俊?/p>

[1] 任更鋒, 徐岳, 王春生.大跨徑PC 連續(xù)剛構(gòu)橋神經(jīng)網(wǎng)絡(luò)控制系統(tǒng).長(zhǎng)安大學(xué)學(xué)報(bào)（自然科學(xué)版），2007

[2] 趙金俠.基于動(dòng)力特性橋梁損傷診斷方法研究.山西建筑，2011

[3] 陳德偉，荊國(guó)強(qiáng)，黃崢.用人工神經(jīng)網(wǎng)絡(luò)方法估計(jì)橋梁在溫度作用下的撓度行為.結(jié)構(gòu)工程師，2006

[4] Yanfei Sun.Combined Neural Network and PCA for Complicated Damage Detection ofBridge .第五屆國(guó)際自然計(jì)算會(huì)議.2009

[5] 趙斌.基于遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的橋梁結(jié)構(gòu)損傷識(shí)別.河南科學(xué).2008

[6] 韓大建，楊炳堯，顏全勝.用人工神經(jīng)網(wǎng)絡(luò)方法評(píng)估橋梁缺損狀況.華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）2004

[7] Hanbing Liu, Gang Song, Yubo Jiao, Peng Zhang, andXinqiang Wang.Damage Identification of Bridge Based on Modal Flexibilityand Neural Network Improved by Particle Swarm Optimization.Hindawi Publishing Corporation.2014

[8] WEN Jiwei, CHEN Chen.Prediction of bridge temperature field and its effect on behaviorof bridge deflection based onANN method.Global Geology.2011

[9] Hongpo Xu ,JagMohan Humar.Damage Detection in a GirderBridge by ArtificialNeural Network Technique.Computer-AidedCivil and Infrastructure Engineering.2006

[10] 李傳習(xí),劉揚(yáng),張建仁.基于人工神經(jīng)網(wǎng)絡(luò)的混凝土大跨度橋梁主梁參數(shù)實(shí)時(shí)估計(jì).中國(guó)公路學(xué)報(bào).2001

U45

B

1007-6344（2017）10-0049-01