关于人工神经网络在桥梁工程中的应用的综述

王超宇

(重庆交通大学建筑与土木工程 400074)

关于人工神经网络在桥梁工程中的应用的综述

王超宇

(重庆交通大学建筑与土木工程 400074)

本综述尽可能详细地介绍了人工神经网络这一热门方法，然后通过几个工程实例说明了人工神经网络在桥梁工程中各方面的应用。

人工神经网络；桥梁工程；桥梁损伤检测评估。

0 引言

在过去的十年中，人工神经网络的研究已经深入涉及到各个领域，[1]成功解决了如智能机器人、自动控制、生物、经济以及医学等领域许多传统计算机难以解决的实际问题，体现出了良好的智能特性。在工程方面，人工神经网络也起到了很大的作用，尤其是在施工控制、桥梁损伤诊断、结构可靠度分析等方面起到了很大的作用。

1 何为人工神经网络

人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代之后人工智能领域兴起的研究热门。[2]它是通过信息处理，然后对人脑神经元网络进行抽象， 建立一种简单模型，按照不同的连接方式组成不同的网络。在工程界和学术界，它通常被称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接组成。每一个节点代表一种特定的输出函数，称之为激励函数（activation function）。每两个节点之间的衔接都代表着一个对于经过该连接信号的加权值，称之为权重，这就相当于人工神经网络的记忆。网络的输出则依网络的衔接形式，权重值和激励函数的不同而有差别。[3]而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

2 人工神经网络在桥梁工程中的应用

2.1 人工神经网络在工程控制中的应用

以三滩黄河大桥为例[4]，概述神经网络在工程控制中的作用。三滩黄河大桥位于国道109线，其主桥为78+140+78三跨预应力混凝土连续钢构，采用悬臂施工法。利用Matlab工具箱进行整个神经网络的初始化、训练和仿真过程。首先组建网络，再把样本矢量作为输入值输入网络，得到训练权值，这样，此神经网络就完成了他的学习过程，可以用来进行测试了。然后选取某几个梁段当做例子，把预测矢量输入到网络中，根据预测的样本矢量对这几个梁段的立模标高进行预测，可以从仿真结果中得到立模标高，发现预测值与设计值相差很小，说明BP神经网络对于桥梁施工过程可以进行有效的预测控制。

2.2 人工神经网络在桥梁结构损伤识别中的作用

2.2.1 “三步法”对桥梁的结构损伤检测

桥梁结构在运营过程中，时刻都在经受着各种各样的荷载，[5]如一期荷载、二期荷载、车辆冲击荷载等，可以说一座桥梁在建成运营前就在承受荷载，再加上混凝土收缩徐变、预应力松弛、温度变化对结构内力的影响等，都会对桥梁结构形成不同程度的损伤。然而根据现有的文献资料看来，还没有特别系统的关于桥梁结构损伤诊断的方法。这里拟选用对损伤敏感的动力参数作为指标，再次应用BP神经网络，验证神经网络在桥梁结构损伤识别中的作用。桥梁损伤诊断一般分为探伤、定位和评估损伤程度三个步骤[6].以一座全长 637.06米的简支梁桥为算例来进行诊断。使用ANSYS对该桥某跨建立三维有限元模型，通过降低单元的刚度来模拟损伤工况，并且为了模拟实测数据在有限元分析模态参数基础上加了一个随机数，随之建立BP神经网络结构，训练网络的样本集采用桥梁健康模式样本产生的数据，[7]而检验网络采用每种损伤工况产生的检验样本，结果表明该方法能准确诊断结构是否存在损伤；损伤定位选用前 5阶竖向弯曲振型进行计算，结果表明，曲率模态差曲线上数值出现突变的位置与工况的损伤位置完美重合，说明此方法可以用来进行损伤定位。最后一步，找出损伤构件并评估受损程度，利用有限元模型分别模拟损伤区域中的单元发生 8种损伤程度，结果是，如果损伤区域只是单个构件出现损伤，其识别效果很满意，但是如果是多个构件同时产生损伤会出现误判现象。总体来说[8]，人工神经网络的多步损伤诊断方法对于桥梁结构损伤诊断还是具有一定可行性和很好的效果的。

2.2.2 综合神经网络和主元分析对复杂桥梁的结构损伤检测

前面我们讲的是单独用人工神经网络来对简单桥进行桥梁结构损伤识别，现在，我们将综合主元分析和神经网络为一体，来进行对更复杂的桥梁的结构损伤检测。这种方法和常规的BP神经网络不同，他是把测量频率响应函数作为输入函数输入到神经网络内[9]，用主元分析的方法简化数据（降维），并提取特征值。把提取的特征值作为输入源而不是像以前一样把原始误差数据作为输入源。测试模型选用钢箱梁，先测量健康的梁的所有数据，然后对其进行破坏以便进行测试，然后利用主元分析法提取特性，之后将特性作为输入量输入到神经网络中进行网络训练。将训练成功的网络用于桥梁的损伤检测，结果表明，此方法相比单独使用神经网络更容易确定损伤的位置和程度，但是由于实验条件有限，结果中误差量和实际破坏量相比仍不能达到完全精确，[10]相信在以后的工作中会使得这一方法变得更精确。

3 总结

通过上述对人工神经网络的描述以及各个工程实例可以知道，人工神经网络这一近年来的热门方法在桥梁工程中无论是设计、施工还是检测，都有非常大的使用潜力，体现出了良好的智能化。特别是在结构检测这一方面，体现出了其他方法无与伦比的精确性以及优越性。而且可以看出，国外在人工神经网络

的应用这一领域已经做了很充分的挖掘，并且已经取得了一定的研究成果。国内也已经开始逐渐重视这一方法。人工神经网络，说白了其实就是让机器具有桥梁专家的桥梁评估知识，结合了现代化高科技设备和专家级别的人工智能。随着计算机技术的不断发展，这一方法在桥梁工程中的作用还会被进一步扩大，值得我们去探索和研究。

[1] 任更锋, 徐岳, 王春生.大跨径PC 连续刚构桥神经网络控制系统.长安大学学报（自然科学版），2007

[2] 赵金侠.基于动力特性桥梁损伤诊断方法研究.山西建筑，2011

[3] 陈德伟，荆国强，黄峥.用人工神经网络方法估计桥梁在温度作用下的挠度行为.结构工程师，2006

[4] Yanfei Sun.Combined Neural Network and PCA for Complicated Damage Detection ofBridge .第五届国际自然计算会议.2009

[5] 赵斌.基于遗传优化神经网络算法的桥梁结构损伤识别.河南科学.2008

[6] 韩大建，杨炳尧，颜全胜.用人工神经网络方法评估桥梁缺损状况.华南理工大学学报（自然科学版）2004

[7] Hanbing Liu, Gang Song, Yubo Jiao, Peng Zhang, andXinqiang Wang.Damage Identification of Bridge Based on Modal Flexibilityand Neural Network Improved by Particle Swarm Optimization.Hindawi Publishing Corporation.2014

[8] WEN Jiwei, CHEN Chen.Prediction of bridge temperature field and its effect on behaviorof bridge deflection based onANN method.Global Geology.2011

[9] Hongpo Xu ,JagMohan Humar.Damage Detection in a GirderBridge by ArtificialNeural Network Technique.Computer-AidedCivil and Infrastructure Engineering.2006

[10] 李传习,刘扬,张建仁.基于人工神经网络的混凝土大跨度桥梁主梁参数实时估计.中国公路学报.2001

U45

B

1007-6344（2017）10-0049-01