基于粒子群算法优化RBF神经网络的异型连续箱梁桥损伤识别方法.doc

  基于粒子群算法优化 RBF 神经网络的异型 连续箱梁桥损伤识别方法# 谭国金，刘寒冰，孙平一* 5 10 15 20 25 30 35 40 （吉林大学交通学院） 摘要：针对异型连续箱梁桥的特点，提出了一种适用于该类桥梁结构的损伤识别方法。以位 移振型比值和应变模态相对变化量来构造损伤指标，把该损伤指标作为输入数据，采用粒子 群算法优化 RBF 神经网络来识别结构的损伤。最后采用一座 4×30m 异型连续箱梁桥损伤 识别的数值模拟计算来验证所提出方法的可行性和有效性。 关键词：桥涵工程；异型连续箱梁桥；损伤识别；应变模态 中图分类号：U446.1 Damage Identification Method for Irregular Continuous Box Girder Bridge Based on RBF Neural Network Optimized by PSO TAN Guojin, LIU Hanbing, SUN Pingyi (College of Transportation, Jilin University) Abstract: A damage identification method suitable for the characteristics of the irregular continuous box girder bridge is presented. The damage index structured by the ratio of mode shape and relative change in strain mode is represented as input data to identify the structure damage by means of PSO-RBF neural network. Finally, the numerical simulation calculation for the damage identification of an irregular continuous box girder bridge with the length of 4×30 meters verifies the feasibility and validity of the proposed method. Key words: bridge engineering; irregular continuous box girder bridge; damage identification; strain mode 0 引言 在立交桥梁工程中，为了满足车辆通行的需求，在主线与匝道联接处主线桥梁通常采用 异型结构。而箱型结构具有整体刚度大，外形美观等优点，因此异型连续箱梁桥在城市立交 和高速公路立交中得到了广泛的应用[1,2]。鉴于该类桥梁结构的复杂性，在使用过程中，该 类桥梁也出现了不同形式的病害，因此建立其损伤诊断方法是十分必要的。 近几十年来，神经网络[3]、遗传算法[4]以及支持向量机[5]等智能计算方法被应用到复杂 结构的损伤识别中。RBF 神经网络的输入到输出映射是非线性的，而隐含层空间到输出空 间的映射是线性的，这样可以大大加快学习速度并避免局部极小问题[6]。而 RBF 网络隐层 节点的中心及基宽度参数的确定存在一定的困难。粒子群算法是一种多维空间的寻优算法， 可以用来对 RBF 网络隐层节点的中心及基宽度参数等进行优化[7]。 本文结合粒子群算法和 RBF 神经网络的特点，提出了一种基于粒子群算法优化 RBF 神 经网络的异型连续箱梁桥损伤识别方法。以位移振型比值和应变模态相对变化量来构造损伤 指标，把该损伤指标作为输入数据，采用粒子群算法优化 RBF 神经网络来识别结构的损伤。 基金项目：高等学校博士学科点专项科研基金（20100061120066） 作者简介：谭国金（1981-），男，讲师，桥梁检测与加固技术. tgj@jlu.edu.cn -1- 1 基本理论   1.1  粒子群算法 粒子群算法（Particle Swarm Optimization，PSO）是利用复杂空间中个体间的协作及竞 争实现寻优操作的计算方法。每一时刻粒子将跟踪两个极值：一个是粒子本身的最优位置； 45 一个是整个粒子群的最优位置。 t t t t T t t t t T t t t t T Pgt?? ( pgt 1 , pgt 2 ,?, pgD )T 为 t 时