论文部分内容阅读
由于受到车辆荷载、自然环境、材料劣化等因素的影响,服役的中小跨径混凝土简支梁桥损伤不断出现。异形桥梁作为城市立交桥的主要结构形式,由于其复杂的受力特性,结构损伤不可避免。对简支梁桥及异形桥梁开展损伤识别研究,具有重要的工程实际意义。此外,在桥梁动力参数的测试过程中,不可避免地受到测试噪声的影响,导致动力参数包含的损伤识别有效信息降低,损伤识别结果产生较大偏差。对损伤识别方法开展抗噪性能研究,是提高损伤识别方法识别精度的必要举措。本文采用BP神经网络与支持向量机技术实现了简支梁桥及异形桥梁的损伤识别,验证了其损伤识别的有效性。对BP神经网络与支持向量机的抗噪性能进行了研究,在损伤识别指标向量中添加高斯白噪声,研究其在不同噪声水平下的损伤识别精度,实现了基于计算智能的损伤识别方法的优化选取。具体开展了以下工作:(1).对基于动力特性与计算智能技术的桥梁损伤识别研究背景及意义进行了阐述,详细分析了现有损伤识别方法的优缺点。对桥梁损伤识别方法的抗噪性能研究进行了分析,明确了损伤识别方法抗噪性能研究的重要意义。在总结国内外研究现状的基础上,提出了本文的研究思路。(2).系统地介绍了基于模态频率及模态振型的损伤识别原理。在此基础上,对BP神经网络与支持向量机算法的理论基础进行了阐述,为基于智能计算方法的桥梁损伤识别系统构建奠定了理论基础。(3).对混凝土简支梁桥进行了损伤识别研究。以简支梁桥损伤前后的振型比值为损伤识别指标,采用BP神经网络与支持向量机算法对简支梁桥进行损伤识别。在选取的测试样本中添加高斯白噪声,检验BP神经网络与SVM算法的抗噪能力。(4).考虑了异形桥梁的几何特殊性,选取模态频率参数构造损伤识别指标,分别采取BP神经网络算法与支持向量机算法对异形桥梁进行了损伤定位与程度识别。对BP神经网络与支持向量机的抗噪性能进行了验证,在识别指标向量中添加不同水平的高斯白噪声,对测试工况的损伤状态进行了识别。