论文题目: 基于神经网络和遗传算法结合的桥梁结构损伤识别研究
论文类型: 硕士论文
论文专业: 工程力学
作者: 余昆
导师: 唐小兵
关键词: 大跨度桥梁,损伤识别,神经网络,遗传算法,正交试验法
文献来源: 武汉理工大学
发表年度: 2005
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中由于种种原因可能会发生不同程度的损伤、开裂或老化,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。 在国内外有关结构损伤识别、人工神经网络(ANN)和遗传算法(GA)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。结构损伤识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BP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,BP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BP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,从弹性模量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BP网络的训练样本的正交设计,将损伤位置与损伤程度作为BP网络的输入,然后用有限元方法(GQJS)计算损伤结构与完好结构的挠度差作为BP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,采用本文的损伤识别方法是合理的、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BP神经网络和遗传算法结合应用于预应力混凝土连续梁桥病害的识别,获得了满意的结果,表明该方法在大跨度桥梁损伤识别中具有一定的应用价值。
论文目录:
第1章 绪论
1．1 论文的选题、研究意义和目的
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
1．2．2 结构损伤识别相关技术的发展
1．2．3 损伤识别方法存在的问题
1．3 本文的主要研究工作
第2章 结构损伤识别的基本理论
2．1 引言
2．2 基于静态的损伤识别方法
2．3 基于动态的损伤识别方法
2．3．1 基于波形的损伤识别指标
2．3．2 基于固有频率的损伤识别指标
2．3．3 基于固有振型变化的损伤识别指标
2．3．4 基于柔度变化的损伤识别指标
2．3．5 基于刚度变化的损伤识别指标
2．3．6 基于模态应变能的损伤指标
2．4 基于神经网络和遗传算法的智能识别方法
2．4．1 神经网络方法
2．4．2 遗传算法
2．5 本章小结
第3章 基于BP神经网络和遗传算法结合的损伤识别方法
3．1 人工神经网络
3．1．1 人工神经网络基本概念
3．1．2 BP神经网络基本原理
3．2 神经网络的损伤识别方法
3．3 遗传算法
3．3．1 遗传算法的基本概念和术语
3．3．2 遗传算法的主要操作
3．3．3 遗传算法的实数直接操作法
3．4 遗传算法的损伤识别方法
3．5 BP神经网络与遗传算法结合的损伤识别方法
3．6 本章小节
第4章 钟样汉江大桥损伤识别过程分析
4．1 钟祥汉江大桥工程概述及病害情况
4．1．1 工程概述
4．1．2 钟祥大桥病害描述
4．1．3 主要病害成因分析
4．2 有限元建模
4．2．1 公路桥梁结构设计系统GQJS简介
4．2．2 模型的建立
4．3 损伤识别研究的几点说明
4．4 抗弯刚度损伤的识别
4．4．1 弹模E损伤的样本采集
4．4．2 BP神经网络训练
4．4．3 遗传算法的目标函数设计
4．4．4 识别的结果
4．5 纵向预应力附加损失的识别
4．5．1 预应力附加损失的样本采集
4．5．2 BP神经网络训练
4．5．3 遗传算法的目标函数设计
4．5．4 识别的结果
4．6 钟祥大桥实际承载能力估算
4．7 本章小节
第5章 结论与展望
5．1 本文主要研究成果
5．2 后续研究工作展望
致谢
参考文献
攻读硕士学位期间发表的论文
发布时间: 2005-07-11
参考文献
- [1].基于深度学习和回归型分类模型的出行目的地预测[D]. 柯扬斌.浙江大学2018
- [2].基于自编码神经网络的桥梁结构损伤检测研究[D]. 王宇鑫.暨南大学2018
- [3].BP神经网络在公共自行车站点需求预测中的应用研究[D]. 周敏.苏州科技大学2018
- [4].高速公路收费站改扩建工程前期风险管理研究[D]. 吴翔一.华北水利水电大学2018
- [5].基于极限学习机的交通事故严重程度预测[D]. 李涛.新疆大学2018
- [6].基于Hadoop平台的公交到站时间预测算法研究[D]. 李江伟.华南理工大学2018
- [7].基于Spark的公交车到站时间预测系统的设计与实现[D]. 樊田梅.内蒙古大学2018
- [8].城市交通公交车到站时间预测研究与应用[D]. 范光鹏.青岛大学2018
- [9].应用BP神经网络修正桥梁有限元模型[D]. 吕泽鹏.郑州大学2018
- [10].基于深度神经网络的短时客流量预测[D]. 高莹.杭州电子科技大学2018
相关论文
- [1].基于神经网络和模态分析的桥梁损伤识别[D]. 黄鹏.华中科技大学2006
- [2].桥梁结构损伤识别研究[D]. 曹水东.长沙理工大学2006
- [3].基于神经网络的桥梁损伤识别[D]. 魏锦辉.西南交通大学2007
- [4].基于RBF神经网络的桥梁损伤识别方法研究[D]. 张刚刚.长安大学2004
- [5].基于模态分析理论和神经网络的桥梁损伤识别方法研究[D]. 张治国.武汉理工大学2005
- [6].同步学习BP神经网络及其在桥梁损伤识别中的应用[D]. 李学良.北京工业大学2005
- [7].基于改进遗传—神经网络的结构损伤识别研究[D]. 李秀芬.北京工业大学2005
- [8].基于遗传优化神经网络算法的桥梁结构参数识别技术研究[D]. 崔聚印.郑州大学2006
- [9].基于BP神经网络的桥梁健康状况评定[D]. 徐芳元.长安大学2006
- [10].基于神经网络的复杂结构损伤识别[D]. 郑亚辉.大连理工大学2004