基于BP神经网络的结构损伤诊断

基于BP神经网络的结构损伤诊断

随着社会的发展和科技的进步，建筑结构在人们的生活中扮演着越来越重要的角色。由于天灾人祸等原因，建筑结构的损伤问题一直存在，并给人们的生命和财产安全带来了很大的威胁。如何及时、准确地对建筑结构的损伤进行诊断，成为了当前工程领域的一个热点问题。基于BP神经网络的结构损伤诊断技术，正是应运而生的一种新型方法。本文将从建筑结构损伤的诊断背景、BP神经网络的原理及其在结构损伤诊断中的应用等方面展开讨论。

一、建筑结构损伤的诊断背景

建筑结构的损伤主要包括两种类型，一种是由于材料的老化、变形和腐蚀等自然原因造成的损伤，另一种是由于外部原因如地震、火灾等导致的损伤。无论是哪一种类型的损伤，都需要及时诊断和修复，以确保建筑结构的安全可靠。目前常用的非损伤检测技术，如超声波检测、磁粉探伤等，都存在诊断速度慢、操作难度大、诊断结果易受人为因素影响等问题。寻求一种更加快速、准确的结构损伤诊断技术势在必行。

二、BP神经网络的原理

BP神经网络是一种常用的人工神经网络，其原理类似于人脑中的神经元之间的信息传递。BP神经网络的结构包括输入层、隐含层和输出层。输入层接收外界输入的信号，隐含层负责处理输入信号的信息，输出层则输出处理后的结果。在BP神经网络中，信息的传递是通过神经元之间的连接权重来实现的。BP神经网络的优势在于它能够通过学习和训练来不断优化权重，从而提高网络的预测和识别能力。

三、BP神经网络在结构损伤诊断中的应用

基于BP神经网络的结构损伤诊断技术，主要是通过训练网络模型，利用已有的结构损伤数据来建立损伤诊断模型。具体而言，首先需要收集不同类型的结构损伤数据，并对这些数据进行预处理和特征提取，将其作为神经网络的输入。然后，利用这些数据来训练BP神经网络模型，不断优化神经元之间的连接权重，直到网络的输出结果与实际的损伤情况相符合。当新的结构损伤数据输入到神经网络中时，网络将根据以往的学习经验，对这些数据进行分析和诊断，从而实现结构损伤的快速检测和定位。

２００８年６月第６期　城市道桥与防洪　科技研究　１２７　

基于ＢＰ神经网络算法的悬索桥损伤识别研究　

樊燕燕，李子奇　

（兰州交通大学，甘肃兰州７３００７０）　

摘要：该文基于神经网络损伤识别分析理论，以成都市清水河自锚式悬索桥为例，对将ＢＰ网络算法应用于悬索桥损伤识　别的效果进行了分析研究。分析研究表明：ＢＰ神经网络不仅能对单一构件不同程度损伤进行有效识别，对两个构件的不同　程度损伤也能进行一定程度的识别，并且可以同时进行损伤位置与损伤程度的识别。　关键词：神经网络；损伤识别；ＢＰ网络算法；悬索桥；损伤位置；损伤程度　中图分类号：Ｕ４４８．２５　文献标识码：Ａ　文章编号：１００９—７７１６（２００８）ｏ６—０１２７－－－０４　

０前言　了研究。　

桥梁是供铁路、公路、渠道等跨越河流、山谷　

或其它障碍并具有承载能力的架空建筑物。由于　

交通运输事业的发展，世界各国都已修建了大量　

的桥梁，但值得注意的是这些桥梁中有些已经发　

生老化、损伤现象，随着时间的推移，桥梁老化、　

损伤的数量和程度都会增加。结构损伤的出现降　

低了桥梁的承载能力，影响了桥梁使用功能的正　

常发挥，带来诸多安全隐患『】】。　

桥梁结构的实际工作状况和可靠性只有通过　检测才能得到正确的评断。因此，对重要的现有桥　

梁结构进行损伤检测和评估，充分了解桥梁的实　

际状况，及时发现损伤，并诊断出局部损伤的位置　

以及损伤程度，能够使维修人员制定出正确的维　

修策略。结构经过及时修复，不仅可以恢复承载能　

力，延长使用寿命，为经济可靠地利用现有桥梁提　

供依据，并且对于避免灾难性事故的发生，保障人　们的生命安全尤为重要。因此对桥梁结构开展损　

伤识别研究，是十分必要的。　

近年来越来越多的学者研究运用神经网络进　

行桥梁的损伤检测，这是由于神经网络具有自适　

应的能力，它能够通过训练阶段，获得健康结构和　

损伤结构所具有的有关知识与信息；神经网络还　

具有联想、记忆及模式匹配的能力，能够存储学习　

第３３卷第ｌ４期　・７０・　２　０　０　７年５月　山　西　建　筑　ＳＨＡＮＸＩ　ＡＲＣＨＩＴＥＣｒＵＲＥ　Ｖ０１．３３　Ｎｏ．１４　Ｍａｙ．２００７　

文章编号：１００９—６８２５（２００７）１４—００７０—０２　

基于ＢＰ网络识别框架结构损伤的研究　

范进胜　苏英志　李秀芬　

摘要ｉ基于模态振型，提出一个新的参数——振型曲率比，作为ＢＰ网络的输入向量，然后用有限元分析计算结果作为　网络的学习和预测样本，对不同的结构模拟损伤进行了识别，结果表明该方法简便有效，值得推广应用。　关键词：振型曲率比，ＢＰ网络，损伤识别　

中图分类号：Ｔ１Ｊ３１２．３　文献标识码：Ａ　

工程结构的安全可靠性已成为人们广泛关注的问题。目前　

我国绝大部分框架结构均为钢筋混凝土结构。这些建筑物大都　建于二十世纪五六十年代，有的已接近设计基准期，有的由于种　

种原因，不同程度地受到了破损，存在着一些质量隐患。这些损伤　和质量隐患有时会造成工程结构的严重破坏甚至倒塌。近年来，　因结构破坏造成的严重人员伤亡及财产损失在国内屡屡出现。因　

此，加强钢筋混凝土框架结构损伤识别的研究是十分必要的。　神经网络是模拟人脑或神经系统的功能发展而来的，并广泛　

应用于各个工程领域，尽管神经网络技术并不是专门为损伤识别　设计的，但其模式识别的能力使得它适合于工程中的损伤检测。　最早将神经网络用于结构损伤检测的是美国Ｐｕｒｄｕ大学的　

ｖ肌ｋａｔａｓｕｂｒａｍａｎｉａｎ和Ｃｈａｎ…，目前人们使用过的网络模型有ＢＰ　神经网络、径向基函数神经网络、概率神经网络、模糊神经网　络［　Ｉ４］等。　

１神经网络输入向量的选取　

将神经网络用于结构的损伤识别时，输入特征参数的表达形　

式会直接影响损伤识别的结果，因此必须选择一种合适的参数作　为神经网络的输入向量。用振动法进行结构损伤检测时，有许多　参数可以作为神经网络的特征参数，如振动响应信号、位移、应　

变、模态等。文中提出用振型曲率比作为网络的输入向量。　在文献［５］中提出，对于梁类构件，其曲率模态振型和弯曲刚　

箜！　鲞箜　塑　２Ｏ１　１年６月　防　灾科技学　院　学报　Ｊ．ｏｆ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｄｉｓａｓｔｅｒ　Ｐｒｅｖｅｎｔｉｏｎ　Ｖｏ１．１３，Ｎｏ．２　Ｊｕｎ．２０１１　基于ＢＰ神经网络算法的混凝土单层框架损伤识别　王丕光，崔智谋，赵　娟　（北京工业大学建筑工程学院，北京　１００１２４）　摘　要：基于ＢＰ神经网络算法，采用框架结构损伤前后固有频率的变化率作为网络的输入参数，分别对框架　梁的单处损伤、框架柱的多处损伤进行损伤位置的识别。数值仿真结果表明，ＢＰ神经网络算法对混凝土框架　结构损伤位置的识别效果很好。　关键词：结构损伤识别；ＢＰ人工神经网络；频率　中图分类号：ＴＵ３７　文献标识码：Ａ　文章编号：１６７３—８０４７（２０１１）０２—００３２—０６　０　引言　钢筋混凝土框架结构是我国建筑结构的主要　形式之一，其应用范围非常广泛。但是随着使用　时间的增加，结构不可避免的发生老化；同时，自　然灾害的频繁发生也导致结构产生损伤，如１９９５　年的神户地震及１９９９年的台湾大地震使无数的　房屋损坏和倒塌，造成生命财产的巨大损失。结　构损伤的及时检测及修复对于减小生命财产损失　具有重要作用；同时，尽早发现结构损伤，可极大　地降低维护维修费用。因此，开展结构损伤识别　和损伤检测的研究具有重要的现实意义。传统的　结构检测方法以静态检测为主，检测结果直接且　较为可靠，但是静态检测方法存在应用条件受限　制和工作效率较低的缺点…。结构动力检测方　法是一种正在发展的新型检测技术，在钢筋混凝　土结构中也得到广泛应用。结构损伤的动力检测　方法是基于对结构的动力学特性（频率　。　、振　型　。　、刚度）的变化跟踪分析，由此来判断结构　的损伤部位及损伤程度。由于结构的动力特性是　结构的整体物理性质的集中反映，因此，结构损伤　的动力检测方法是一种结构整体损伤检测方法，　具有可以实时检测的优点，因而得到广泛的应用。　动力检测中一种重要的方法是采用ＢＰ人工　神经网络技术。人工神经网络损伤识别的原理是　利用训练好的神经网络检测结构的状态的改变。　由于人工神经网络技术具有良好的非线性映射能　力、强大的解决反问题的能力、实时计算能力和推　广能力及系统良好的鲁棒性，而在结构损伤检测　领域得到青睐。作为一种优秀的非参数化诊断方　法，神经网络技术在结构损伤诊断领域具有极大　的应用前景。本文利用结构固有频率的变化，采　用ＢＰ人工神经网络技术‘。　对一单层框架结构进　行损伤位置的识别。　１　ＢＰ人工神经网络算法概述　１．１基本原理　ＢＰ（Ｂａｃｋ　Ｐｒｏｐａｇａｔｉｏｎ）网络是１９８６年由　Ｒｕｍｅｌｈａｒｔ和ＭｃＣｅｌｌａｎｄ。。　为首的科学家小组提　出，是一种按误差逆传播算法训练的多层前馈网　络，是目前应用最广泛的神经网络模型之一。ＢＰ　网络能学习和存贮大量的输入一输出模式映射关　系，而无需事前揭示描述这种映射关系的数学方　程。它的学习规则是使用最速下降法，通过反向　传播来不断调整网络的权值和阈值，使网络的误　差平方和最小。ＢＰ神经网络模型拓扑结构包括　输入层、隐层和输出层（如图１所示）。ＢＰ算法　由数据流的前向计算（正向传播）和误差信号的　反向传播两个过程构成。正向传播时，传播方向　为输入层一隐层一输出层，每层神经元的状态只　影响下一层神经元。若在输出层得不到期望的输　出，则转向误差信号的反向传播流程。通过这两　收稿日期：２０１１—０３—２８　基金项目：北京工业大学研究生科技基金资助项目（ｙｋｊ一２０１０—４４５７）　作者简介：王丕光（１９８５一），男，山东临沂人，硕士研究生在读，