论文发表指导,期刊推荐,国际出版
论文发表指导,期刊推荐,国际出版
学术出版，国际教著，国际期刊，SCI，SSCI，EI，SCOPUS，A&HCI等高端学术咨询
来源：职称驿站所属分类：交通运输论文 发布时间：2012-07-20浏览：16次
摘要：在研究现有桥梁状态评估方法的基础上，把神经网络和模糊理论结合起来应用于斜腿刚架桥的安全性评估，采用BP算法建立了四输入单输出、模糊规则数为5的五层模糊神经网络模型，通过样本学习对网络训练，获取评估专家的经验知识及直觉思维。将训练好的网络用于斜腿刚构桥的安全评估，最终确定了该桥的安全性等级，为在役桥梁的后期养护管理提供了科学依据。
关键词：斜腿刚构桥，安全评估，模糊神经网络，最大隶属度
0引言
随着我国交通事业的发展，我国近年来修建了大量的桥梁。但是随着桥梁数量的增多，为了保障桥梁的安全运营，如何快速正确的评价桥梁结构的安全性成为了一个重要的课题。由于神经网络具有较强的学习功能和容错性，可以模拟专家推理，因此神经网络在结构物评估中的应用日益受到重视。[1-4]。作者将模糊理论与神经网络相结合并应用于斜腿刚构桥的安全性评估，提出一种基于模糊神经网络的斜腿刚构桥新的评估方法。
1模糊神经网络理论
1.1结构损伤理论、等级域及隶属度函数
1.1.1评分等级标准
图1结构损伤度函数
当损伤度为0时，表示结构或构件处于完全无损的状态；当损伤度为1时表示结构或构件已处于完全损坏且不能承受荷载的状态。通过制定评价指标等级标准，将定性指标转化成定量指标。例如某一指标评语可“劣”、“差”、“中”、“良”、“优”等，映射到评定标度ER上即为1，2，3，4，5分值，并最终转化成损伤度DV=ER/5。具体评分规则为A级：80~100、B级：60~80、C级：40~60、D级：20~40、E级：0~20。
1.1.2损伤度-评分曲线
依据以上阐述的结构损伤度概念和评分等级标准，建立了损伤度-评分的对应关系，如图1所示。
1.1.3等级隶属度
结构等级隶属度模型如图2所示。
（1）
式(1)中，DVi1~DVi4的取值见表1。
隶属度为5维向量形式，第i个指标的等级隶属度记为：μ(xi)=[μA(xi)，μB(xi)，μC(xi)，μD(xi)，μE(xi)]
表1DVi1~DVi4的取值
A级 B级 C级 D级 E级
DVi1 - 0.15 0.35 0.55 0.75
DVi2 0 0.25 0.45 0.65 0.85
DVi3 0.15 0.35 0.55 0.75 1
DVi4 0.25 0.45 0.65 0.85 -
图2桥梁安全等级隶属度模型
1.1.4确定桥梁的技术状态等级
由构件的等级隶属度5维向量μ(xi)，按照最大隶属度原则得出桥梁的相应的安全等级状态。
(2)
注：当评定结果为B级、A级时，并不排除其中有评定标度ER≥3的构件，局部仍有维修的要求。
1.2模糊神经网络模型
图3模糊神经网络
结合斜腿刚构桥的特点，构建一个五层的模糊神经网络见图3；第1层是输入层；第2层是量化输入层，该层共有15个节点；第3层为BP网络的隐含层。该模型为四输入单输出，规则数为5的模糊神经网络模型。
2评价实例
2.1工程背景
某斜腿刚构桥为现浇预应力混凝土斜腿刚构。立面布置如图4所示。
图4立面布置图
2.2安全评估模型
现浇斜腿刚构桥是以主梁、斜腿为主要承重构件的桥梁结构，因而主梁、斜腿变形和受力状态对于整体结构的安全性是非常重要的。预应力混凝土现浇斜腿刚构的安全性评估模型可以由外观检查、主梁挠度、主梁应力以及斜腿应力这四个指标确定，如图5所示。
根据上述结构损伤度以及隶属度函数，可将所有评估指标定量化、模糊化，以评估桥梁的安全性。B1按满分100分评分，其得分为该指标的数值。
图5安全性评估模型
2.3网络训练
在各评估指标的向量范围内均匀取值，由计算机自动值生成13组标准理论样本输入网络。样本输入、输出如表2所示。
表2样本训练数据
样本 外观检查 主梁挠度 主梁应力 斜腿应力 组号 等级
1 100 0.07 0.27 0.08 5 优
2 100 0.07 0.32 0.09 5 优
3 95 0.09 0.30 0.09 5 优
4 87 0.11 0.44 0.105 4 良
5 80 0.15 0.52 0.105 4 良
6 82 0.26 0.61 0.075 3 中
7 80 0.30 0.65 0.075 3 中
8 70 1.23 0.75 0.06 2 劣
9 63 1.23 0.75 0.06 2 劣
10 0 3.39 0.9 0.045 1 差
将上述10组样本输入模糊神经网络进行训练，网络误差为E<0.001，经过1318次学习，确定了网络各层参数值。为验证该网络，另取后3组验证样本输入网络，网络输出结果与专家打分结果如表3所示。
表3验证样本评估结果
样本 外观检查 主梁挠度 主梁应力 斜腿应力 等级 网络输出
11 90 0.07 0.27 0.09 优 （0.76，0.18，0.05，0.01，0）
12 90 0.14 0.54 0.105 良 （0.12，0.83，0.03，0.02，0）
13 69 1.23 0.75 0.06 劣 （0.00，0.13，0.77，0.09，0.01）
根据最大隶属度原理，由表3可以看出，3个验证样本专家评估结果与训练好的网络输出评估结构是一致的。
2.4评价结果
该桥在通车运营后，进行了健康观测。对该桥外观、主梁挠度、主梁应力及斜腿应力等进行监测，得到输入数据：B=[90，0.08，0.31，0.09]，网络输出为Y=[0.81，0.10，0.09，0，0]；根据最大隶属度原则，得到斜腿刚构桥的评估结果为优。
3结论
(1)建立了斜腿刚构桥的安全评价模型，确定了外观检查、主梁挠度、主梁应力和斜腿应力等作为其安全评估指标。
(2)把人工神经网络和模糊数学理论结合起来应用于斜腿刚构桥的安全评估，实现了桥梁安全的科学评估。
参考文献
[1]胡熊,吉祥,陈兆能等.拉索桥梁安全性与耐久性评估的专家系统设计[J].应用力学学报,1998,15(4):122-126.
[2]徐家云，何晓鸣，张俊等.模糊理论在桥梁评估中的应用〔J].武汉理工大学学报，2003，25(7):38-41.
[3]中华人民共和国交通部.公路养护技术规范[M].北京:人民交通出版社，1996.
[4]张铃,张钹.人工神经网络理论及应用[M].浙江:浙江科学技术出版社,1997.
《模糊神经网络在斜腿刚构桥安全性评价中的应用》
本文由职称驿站首发，您身边的高端学术顾问
文章名称： 模糊神经网络在斜腿刚构桥安全性评价中的应用
扫码关注公众号
微信扫码加好友
职称驿站 www.zhichengyz.com 版权所有 仿冒必究 冀ICP备16002873号-3
