基于动态响应的简支梁桥移动荷载识别研究

摘要

桥梁的移动荷载识别是桥梁结构健康监测的重要环节,获得精确可靠的荷载数据可以对桥梁设计中选用的荷载进行校核,对荷载谱进行分析也可为结构疲劳分析提供更接近实际的依据。而目前桥梁移动荷载识别技术还不够成熟,而且利用车桥系统模型识别移动荷载是一个反卷积求解问题,其数学反演过程往往是不适定的,导致了这种方法对噪声很敏感。
　　本文研究了将BP神经网络用于桥梁移动荷载识别的理论和方法,对一跨度为30m的简支梁桥进行了移动荷载识别的数值仿真,分析了桥梁挠度和应变对移动荷载的敏感性,讨论了网络的不同转移函数组合和算法对识别结果的影响,研究了不同荷载工况下的识别结果和噪声的影响,并通过试验验证了该方法的合理性。
　　研究结果表明:用人工神经网络方法识别桥梁移动荷载是可行的;桥梁应变响应比挠度响应对移动荷载更敏感;网络不同组合的转移函数对荷载识别结果影响不大,网络的均方误差最大的为3.7288,最小的为2.8518,相关系数均大于0.97,而训练方法对结果有很大影响,网络的均方误差在2.491到1677.6382不等,相关系数也从0.1354到0.97717不等;网络对荷载位置的识别结果很好,顺利识别出了荷载的上下桥状态和在桥上的位置,最大误差为0.54m;网络对轴距识别的精度好坏变化性较大,总体规律是轴距越大,车速越慢识别效果越好,速度从25m/s降到5m/s时网络的正确识别率增加了26.43％;网络对荷载进行识别时,在车辆的上下桥段识别误差比车辆完全在桥上时的识别误差大,不同的轴距和速度对荷载的识别影响也很大,车速和轴距越大网络的识别精度越差,反之越好;轴距对速度识别的精度影响不大,速度识别的精度与速度本身的大小有关,速度越大识别的精度越低;该方法具有很好的抗噪能力,在噪声水平20％的情况下,网络的正确识别率仍大于60％。
　　试验结果表明:模型梁一到四阶频率相对误差分别为5.3％、11.6％、13.5％、15.7,模型梁的阻尼很小,一阶模态阻尼为0.618％;最大位置识别误差为0.464m;速度识别相对误差在5％以内;识别出的动荷载时程曲线在静载线上下波动。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3本文主要研究方法和内容

2移动荷载识别的理论及方法

2. 1移动荷载识别原理

2.2 BP神经网络及算法

2.3用BP网络识别移动荷载

2.4本章小结

3移动荷载识别的数值模拟

3.1识别模型

3.2训练样本库的建立

3.3识别过程

3.4识别结果

3.5时变力结果分析

3.6本章小结

4用神经网络识别移动荷载的试验研究

4.1模型相似分析

4.2试验装置

4.3试验过程

4.4试验结果分析

4.5本章小结

结论与展望

参考文献

在学研究成果

致谢