基于BP神经网络的桥梁状态评估研究.pdfVIP

试验与检测

罗晓余：基于BP神经网络的桥梁状态评估研究SHIYANYUJIANCE

基于BP神经网络的桥梁状态评估研究

罗晓余

（武汉理工大学交通与物流工程学院，湖北武汉430070）

摘要：本文针对在役桥梁的状态进行科学准确的评估，基于裂缝统计特征参数、挠度，通过构建BP神经网络模型预测该状态

下桥梁的承载状态。本文收集了73组足尺小箱梁的试验数据，将裂缝统计特征参数、截面挠度实测值作为输入变量，将对应荷

载作为输出变量，然后将输人变量和输出变量通过网络建立对应的非线性映射关系；随机地将试验数据划分为训练集和测试

集，利用训练集对神经网络进行训练，训练精度设置为0.001，学习率设置为0.01，用测试集验证训练后的神经网络。结果表明，

所构建的BP神经网络模型，对荷载的预测值与荷载的实际值的拟合度可达0.995598，具有一定的研究价值和参考价值。

关键词：桥梁工程；裂缝特征参数；BP神经网络；状态评估

中图分类号：U446.3文献标志码：A文章编号：1673-5781(2024)06-1391-04

0引言层、隐藏层和输出层组成。每一层的神经元都能接收前一层神

经元的信号，并通过激活函数产生新的信号，然后将这些信号

桥梁是连接不同地理区域的重要设施，对经济发展具有重传递给下一层。通过使用激活函数，神经网络可以实现从输人

要贡献。然而，受材料劣化和长期服役等因素的影响，桥梁结到输出的任意非线性映射，以模拟不同层之间的交互。一般使

构常会出现程度不同的损伤。如何快速而有效地做出桥梁结用的激活函数有Sigmoid、双曲正切(Tanh)和ReLU。BP神经

构的养护决策成为社会关注的焦点[1。裂缝是结构现场安全网络的本质是从后层误差推导前层误差，依次反向传播，以获

性检测监测的重要参数之一,其反映了结构的受力状态、耐久得各层的误差估计，并计算得到各参数权重的大小。通常采用

性和安全性。受力裂缝的迅速扩展往往会成为结构失效和倒梯度下降法来实现，采用随机梯度下降能够避免陷入局部最

塌的先兆[2}。基于桥梁结构因荷载作用而产生的裂缝，通过分优解。

析裂缝的特征参数来评估结构的性能是合理的。在此之前，贺Wij

拴海等[3提出了一种基于裂缝特征统计参数来预测结构配筋X

Wki

率的方法，并对结构的承载能力进行评估，该方法缺乏对荷载

效应的考虑，故而结构的安全性无法得到真实的评估。张冠

XV

华[4通过试验数据，利用回归方法建立了裂缝特征参数与结

构承载率之间的关系。张文献等[5]对桥梁承载能力的快速评xiamy

定进行了研究，专注于钢筋混凝土简支板梁桥在弯曲状态下受

力的原因，基于实验数据，以回归的方法分析了裂缝最大高度、+1）+1

平均高度、裂缝宽度与受弯承载率之间的关联。董水英[给出

了一种通过裂缝特征统计参数计算挠度的方法。输入层隐藏层输出层

本文基于足尺小箱梁的试验数据，研究裂缝平均高度、裂图1神经网络结构

缝总宽度和跨中挠度实测值与相应外荷载之间的非线性映射1.2BP神经网络计算过程

关系，采用了裂缝特征参数和挠度数据作为输入样本集，桥梁在网络训练前，首先要对数据样本进行预处理，本文数据

对应状态的外荷载为输出样本集，通过BP神经网络构建模在训练前需要进行归一化处理,BP神经网络主要有7个计算

型,并对模型的有效性进行分析研究。