基于BP神经网络的多响应斜拉桥模型修正

摘要

模型修正是研究结构特征不可避免的一个问题,而保证有限元模型与原结构相一致,对于结构健康检测、损伤识别和生命周期评价等都具有重要的意义.随着现代结构的规模和复杂程度的不断增大,传统修正方法效率低且不能保证修正的准确度,只有结合深度学习神经网络修正方法,才可以准确高效地解决该问题.因此,以某钢箱梁斜拉桥为原型进行了有限元建模,基于实测响应数据建立多响应目标函数,并根据响应计算参数所对应的灵敏度,通过输入待修正参数训练BP神经网络获取结构响应,再对比目标函数偏差逆向反馈进行迭代修正,从而得到接近于目标函数的修正参数并进行输出.通过对比斜拉桥实测动力特征和神经网络修正模型的动力特征可以看出,修正频率结果整体接近于实际结构,模态置信度MAC差值在0.1以内,说明通过该方法修正后的模型与原桥的动力特征趋于一致.