基于静载试验的连续刚构桥承载力预测
|
摘要
桥梁结构的承载力可靠性评估是目前我国工程界亟待解决的问题。神经网络由于其极强的学习能力和非线性大规模并行处理的能力,正适合预测这类复杂的问题。本文以百色华村大桥为例,基于对静载试验以及神经网络机理的认识,提出了连续钢构桥承载力预测的神经网络模型。
本文首先阐述了承载力的影响因素和评定方法;其次总结了桥梁结构静载试验的一般流程方法和事项,并进行了百色华村大桥静载试验;然后介绍了神经网络的基本概念、基本原理以及BP神经网络的有关特点,并对遗传算法的相关原理进行了阐述。最后在此基础上建立了承载力预测的神经网络模型。
本文重点对神经网络方法在承载力预测这一问题上的可行性进行讨论。建立了以应力作为输入层神经元、挠度作为输出层神经元的三层BP神经网络。基于MATLAB R2007平台,利用其自带的神经网络工具箱,编写了相应的程序。针对BP神经网络的缺点,采用了学习率自适应调整、试算法选择隐层神经元结点数以及遗传算法优化网络初始权重的方法对BP神经网络加以优化。最后,利用该神经网络预测模型进行了训练及预测分析,并将神经网络预测结果同静载试验结果进行了对比分析,验证了其良好的预测效果。
Reliability assessment of the bridge is an urgent problem to be resolved presently in engineering field. Fortunately ,thanks to its great learning ability and non-linear massive simultaneous managing capacity, the neural network provides a model for determining the bearing capacity of bridges. This paper, based on the knowledge of the dynamical test and the mechanism of the neural network, proposes the neural network model on the prediction of bearing capacity.
Firstly, this paper expands some parameters and methods of load carrying capacity. Secondly,summarized the general methods and notices in dynamical test. Then, it introduces the basic concept and fundamental principle of neural network, the relevant characteristics of BP network and the principles of the genetic algorithm. Finally, on the basis of previous work, the paper sets up the neural network model on the prediction of bearing capacity .
The paper mainly focuses on the feasibility and spueirority of the neural netwok model in solving the problem. Based on the analysis of all factors concerning the bearing capacity, it esbtablishes the 3-level BP network with stresses as neuron of input level and warping as neuron of output level, and works out a relevant program, making use of the neural network toolbox of MATLAB R2007. Contrapose the disadvantages of BP network,the paper employs the self-adaption method to adjust the learning rate, provisional estimate to determine the number of neuron joints of hidden layer and using genetic algorithm to optimize the initial weight of BP network.In the end, the paper applies the neural network model, compares the result by using neural network with results of dynamical test to prove a favorable prediction effect.
本文首先阐述了承载力的影响因素和评定方法;其次总结了桥梁结构静载试验的一般流程方法和事项,并进行了百色华村大桥静载试验;然后介绍了神经网络的基本概念、基本原理以及BP神经网络的有关特点,并对遗传算法的相关原理进行了阐述。最后在此基础上建立了承载力预测的神经网络模型。
本文重点对神经网络方法在承载力预测这一问题上的可行性进行讨论。建立了以应力作为输入层神经元、挠度作为输出层神经元的三层BP神经网络。基于MATLAB R2007平台,利用其自带的神经网络工具箱,编写了相应的程序。针对BP神经网络的缺点,采用了学习率自适应调整、试算法选择隐层神经元结点数以及遗传算法优化网络初始权重的方法对BP神经网络加以优化。最后,利用该神经网络预测模型进行了训练及预测分析,并将神经网络预测结果同静载试验结果进行了对比分析,验证了其良好的预测效果。
Reliability assessment of the bridge is an urgent problem to be resolved presently in engineering field. Fortunately ,thanks to its great learning ability and non-linear massive simultaneous managing capacity, the neural network provides a model for determining the bearing capacity of bridges. This paper, based on the knowledge of the dynamical test and the mechanism of the neural network, proposes the neural network model on the prediction of bearing capacity.
Firstly, this paper expands some parameters and methods of load carrying capacity. Secondly,summarized the general methods and notices in dynamical test. Then, it introduces the basic concept and fundamental principle of neural network, the relevant characteristics of BP network and the principles of the genetic algorithm. Finally, on the basis of previous work, the paper sets up the neural network model on the prediction of bearing capacity .
The paper mainly focuses on the feasibility and spueirority of the neural netwok model in solving the problem. Based on the analysis of all factors concerning the bearing capacity, it esbtablishes the 3-level BP network with stresses as neuron of input level and warping as neuron of output level, and works out a relevant program, making use of the neural network toolbox of MATLAB R2007. Contrapose the disadvantages of BP network,the paper employs the self-adaption method to adjust the learning rate, provisional estimate to determine the number of neuron joints of hidden layer and using genetic algorithm to optimize the initial weight of BP network.In the end, the paper applies the neural network model, compares the result by using neural network with results of dynamical test to prove a favorable prediction effect.
引文
[1]黄振鹤.连续箱梁裂缝问题研究[J].公路工程与运输,2005,142:42-45
[2]宗周红,任伟星,郑震飞.既有桥梁承载力评估方法[J].地震工程与工程振动,2005,25(5)
[3]日本土木学会编,张富春译.混凝土构筑物的维护、修补与拆除[M].北京:中国建筑工业出版社 1990
[4]罗桂东.旧桥承载能力评定的影响因素[J].市政技术.2005(9).278
[5]殷湛华.国外关于旧桥承载潜力的研究
[6]李宏江.钢筋混凝土简支梁旧桥承载能力评定中的潜力因素研究[A].中国公路学会桥梁和结构工程学会桥梁学术讨论会论文集[C].北京:2001
[7]罗桂东.旧桥承载能力评定的影响因素[J].市政技术.第23卷,第5期。2005.9
[8]李宏江,叶见曙,王康.旧钢筋混凝土简支梁桥承载潜力因素分析[J].东南大学学报(自然科学版).2001.5(6):94-98
[9]高飞,施尚伟,杨华刚.提高桥梁承载力评定客观性的方法探讨[J].重庆交通学院学报,2000,24(6):14-16
[10]中华人民共和国行业标准.公路养护技术规范(JTJ073-85)[S].人民交通出版社,2002
[11]中华人民共和国行业标准.公路桥涵养护规范(JTG H11-2004)[S].人民交通出版社,2004
[12]中华人民共和国行业标准.公路桥涵设计通用规范(JTJ021-85)[S].人民交通出版社,2002
[13]中华人民共和国行业标准.公路桥涵设计通用规范(JTG D60-2004)[S].人民交通出版社,2004
[14]中华人民共和国行业标准.公路钢筋混凝土及预应力混凝土桥涵设计规范(JTJ023-85)[S].人民交通出版社,2003
[15]中华人民共和国行业标准.公路钢筋混凝土及预应力混凝土桥涵设计规范(JTG D62-2004)[S].人民交通出版社,2004
[16]大跨径混凝土桥梁的试验方法(1982)[S].人民交通出版社,1998
[17]公路桥梁承载力检测评定规程(报批搞)[S].人民交通出版社,2004
[18]马保林.高墩大跨连续刚构桥[M].人民交通出版社,2001.9
[19]刘进.高墩大跨径刚构桥桥墩静力非线性与稳定性研究.湖南大学(硕士学位论文)[R].长沙:湖南大学,2004
[20]宋一凡.公路桥梁荷载试验与结构评定[M].人民交通出版社,2002
[21]张俊平.桥梁检测[M].人民交通出版社,2002
[22]章关永.桥梁结构试验[M].人民交通出版社,2002
[23]周剑刚,吕颖钊,赵煌,宋一凡.在役预应力混凝土T构桥承载力分析[J].中国公路学会桥梁和结构工程学会2002年全国桥梁学术会议
[24]魏海坤.神经网络结构设计的理论与方法[M].北京:国防工业出版社,2005
[25]周志华,曹存根.神经网络及其应用[M].北京:清华大学出版社,2004
[26]胡守仁,余少波,戴葵.神经网络导论[M].北京:国防科技大学出版社,1993
[27]王洪元,史国栋.人工神经网络技术及其应用[M].北京:中国石化出版社,2002
[28]王旭,王宏.人工神经元网络原理与应用[M].沈阳:东北大学出版社,2000
[29]蒋宗礼.人工神经网络导论[M].北京:高等教育出版社,2001
[30]高隽.人工神经网络原理与仿真实例.北京:机械工业出版社,2003,1-17
[31]MIsky M,Papert S,Percetrons.MIT Perss.Combridge,Mass,1969
[32]尹朝庆,尹浩.人工智能与专家系统[M].北京:北京中国水利水电出版社,2002
[33]许东,吴铮.基于MATLAB6.5的系统分析与设计—神经网络[M].西安:西安电子科技大学出版社,2003
[34]Hopfield J J.Neuarl networks and physical sysetms with emergent collective computational ability.Proceedings of the National Academy of Sciences,1982,79:2554-2558
[35]王祥秋,杨林德,高文华.桩基极限承载力与沉降量的神经网络预测.地下空间,2003,23(1):33-44
[36]沈世缢.神经网络系统理论及其应用[M].北京:科学出版社,1998
[37]T.Aoki,R.Ceravolo,A.Destefano.Seismic vulnerability assessment of chemical plants through porbabilistic neuarl networks[J].Reliability Engineering and System Safety,2002,77(09):263-268
[38]shuang-zhong Z.Study of forecasting model with rule of dust-pulmonary disease based on neural network[J].Journal of Safety Science and Technology,2005,01(06):78-81
[39]王建华.神经网络法预估水泥搅拌桩单桩沉降.土木工程学报,1996,29(1):56-61
[40]Yeh Y C,Kuo Y H,H su D S.Building a KBES for diagno sing PC pile with artifio ial neural network.J.Computing in Civil Engineering,ASCE,1993,7(1):53-59
[41]韦鹏生.加速BP网络在单桩沉降预估中的动态适应.华侨大学学报,1999,20(1):42-46
[42]刘利民,舒翔,熊巨华.桩基工程的理论进展与工程实践.北京:中国建材工业出版社,2002,1-45
[43]兰雪梅,米键,黄承明.BP网络的MATLAB实现[J].研究与设计微电脑应用,2003,12(01):6-8
[44]康小兵.嵌岩长桩承载特性的人工神经网络模型的建立与研究[D]:[硕士学位论文].南京:河海大学,2005
[45]黄文雄.基于混合遗传神经网络的高速公路沥青路面使用性能评价方法研究[D]:[硕士学位论文].武汉:武汉理工大学,2003
[46]雷英杰,张善文,李继武等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2005
[47]飞思科技产品研发中心.神经网络理论与MATLAB R2007实现[M],北京:电子工业出版社,2005
[48]苑希民,李鸿雁,刘树坤等.神经网络和遗传算法在水科学领域的应用[M].北京:中国水利水电出版社,2002
[49]Homik K,Stinchcombe M,White H.Univeral.Approximation Of Unknown Mapping and Its Derivatives Using Multi-layer Feed-forward Networks.Neural Networks.1990(3):551-560
[50]王勇刚,董文蔚.BP神经网络预测嵌岩桩承载力.岩土工程技术,2005,19(5):227-232
[51]凌国智.BP人工神经网络在深层搅拌桩复合地基承载力计算中的应用.广西土木建筑,2002,27:227-229
[52]田慧欣.基于遗传算法和BP网络的LF炉终点温度预报[D]:[硕士学位论文].沈阳:东北大学,2005
[53]邹万杰,韦立德.改进的BP网络在嵌岩桩承载力预测中的应用[J]广西工学院学报,2002,12(3):9-12
[54]Hill T,Marquez L,Onnor M.Artificial Neural network for Forecasting and Decision—making[J].Intwenational Journal of Forecasting,1994,01(10):5-15
[55]Mohamed A.Shahin,Mark B.Jaksa,Holger R.Maier.Artifical neural network application in geotechnical engineering[J].Austarlian Geomechanics,2001(3):49-62
[56]M.A.A bu Kiefa.General regression neural network for driving Piles in cohesionless soils[J],Journal of geotechnical and geoenvironmental engineeirng,1998(12):1177-1185
[57]Manual For Condition Evaluation and Load and Resistance Factor Rating(LRFR)of Highway Bridges[S].United States of America:the American Association of State Highway and Transportation,Officials,October,2003
[58]Pino-Mejyasb R,Acostab A,Munoz-Gareya Jy.Neural network forecasting models from time series ARIMA models:A procedure and a comparative analysis[J].Intelligent Data Allalysis 6(2002):53-56
[2]宗周红,任伟星,郑震飞.既有桥梁承载力评估方法[J].地震工程与工程振动,2005,25(5)
[3]日本土木学会编,张富春译.混凝土构筑物的维护、修补与拆除[M].北京:中国建筑工业出版社 1990
[4]罗桂东.旧桥承载能力评定的影响因素[J].市政技术.2005(9).278
[5]殷湛华.国外关于旧桥承载潜力的研究
[6]李宏江.钢筋混凝土简支梁旧桥承载能力评定中的潜力因素研究[A].中国公路学会桥梁和结构工程学会桥梁学术讨论会论文集[C].北京:2001
[7]罗桂东.旧桥承载能力评定的影响因素[J].市政技术.第23卷,第5期。2005.9
[8]李宏江,叶见曙,王康.旧钢筋混凝土简支梁桥承载潜力因素分析[J].东南大学学报(自然科学版).2001.5(6):94-98
[9]高飞,施尚伟,杨华刚.提高桥梁承载力评定客观性的方法探讨[J].重庆交通学院学报,2000,24(6):14-16
[10]中华人民共和国行业标准.公路养护技术规范(JTJ073-85)[S].人民交通出版社,2002
[11]中华人民共和国行业标准.公路桥涵养护规范(JTG H11-2004)[S].人民交通出版社,2004
[12]中华人民共和国行业标准.公路桥涵设计通用规范(JTJ021-85)[S].人民交通出版社,2002
[13]中华人民共和国行业标准.公路桥涵设计通用规范(JTG D60-2004)[S].人民交通出版社,2004
[14]中华人民共和国行业标准.公路钢筋混凝土及预应力混凝土桥涵设计规范(JTJ023-85)[S].人民交通出版社,2003
[15]中华人民共和国行业标准.公路钢筋混凝土及预应力混凝土桥涵设计规范(JTG D62-2004)[S].人民交通出版社,2004
[16]大跨径混凝土桥梁的试验方法(1982)[S].人民交通出版社,1998
[17]公路桥梁承载力检测评定规程(报批搞)[S].人民交通出版社,2004
[18]马保林.高墩大跨连续刚构桥[M].人民交通出版社,2001.9
[19]刘进.高墩大跨径刚构桥桥墩静力非线性与稳定性研究.湖南大学(硕士学位论文)[R].长沙:湖南大学,2004
[20]宋一凡.公路桥梁荷载试验与结构评定[M].人民交通出版社,2002
[21]张俊平.桥梁检测[M].人民交通出版社,2002
[22]章关永.桥梁结构试验[M].人民交通出版社,2002
[23]周剑刚,吕颖钊,赵煌,宋一凡.在役预应力混凝土T构桥承载力分析[J].中国公路学会桥梁和结构工程学会2002年全国桥梁学术会议
[24]魏海坤.神经网络结构设计的理论与方法[M].北京:国防工业出版社,2005
[25]周志华,曹存根.神经网络及其应用[M].北京:清华大学出版社,2004
[26]胡守仁,余少波,戴葵.神经网络导论[M].北京:国防科技大学出版社,1993
[27]王洪元,史国栋.人工神经网络技术及其应用[M].北京:中国石化出版社,2002
[28]王旭,王宏.人工神经元网络原理与应用[M].沈阳:东北大学出版社,2000
[29]蒋宗礼.人工神经网络导论[M].北京:高等教育出版社,2001
[30]高隽.人工神经网络原理与仿真实例.北京:机械工业出版社,2003,1-17
[31]MIsky M,Papert S,Percetrons.MIT Perss.Combridge,Mass,1969
[32]尹朝庆,尹浩.人工智能与专家系统[M].北京:北京中国水利水电出版社,2002
[33]许东,吴铮.基于MATLAB6.5的系统分析与设计—神经网络[M].西安:西安电子科技大学出版社,2003
[34]Hopfield J J.Neuarl networks and physical sysetms with emergent collective computational ability.Proceedings of the National Academy of Sciences,1982,79:2554-2558
[35]王祥秋,杨林德,高文华.桩基极限承载力与沉降量的神经网络预测.地下空间,2003,23(1):33-44
[36]沈世缢.神经网络系统理论及其应用[M].北京:科学出版社,1998
[37]T.Aoki,R.Ceravolo,A.Destefano.Seismic vulnerability assessment of chemical plants through porbabilistic neuarl networks[J].Reliability Engineering and System Safety,2002,77(09):263-268
[38]shuang-zhong Z.Study of forecasting model with rule of dust-pulmonary disease based on neural network[J].Journal of Safety Science and Technology,2005,01(06):78-81
[39]王建华.神经网络法预估水泥搅拌桩单桩沉降.土木工程学报,1996,29(1):56-61
[40]Yeh Y C,Kuo Y H,H su D S.Building a KBES for diagno sing PC pile with artifio ial neural network.J.Computing in Civil Engineering,ASCE,1993,7(1):53-59
[41]韦鹏生.加速BP网络在单桩沉降预估中的动态适应.华侨大学学报,1999,20(1):42-46
[42]刘利民,舒翔,熊巨华.桩基工程的理论进展与工程实践.北京:中国建材工业出版社,2002,1-45
[43]兰雪梅,米键,黄承明.BP网络的MATLAB实现[J].研究与设计微电脑应用,2003,12(01):6-8
[44]康小兵.嵌岩长桩承载特性的人工神经网络模型的建立与研究[D]:[硕士学位论文].南京:河海大学,2005
[45]黄文雄.基于混合遗传神经网络的高速公路沥青路面使用性能评价方法研究[D]:[硕士学位论文].武汉:武汉理工大学,2003
[46]雷英杰,张善文,李继武等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2005
[47]飞思科技产品研发中心.神经网络理论与MATLAB R2007实现[M],北京:电子工业出版社,2005
[48]苑希民,李鸿雁,刘树坤等.神经网络和遗传算法在水科学领域的应用[M].北京:中国水利水电出版社,2002
[49]Homik K,Stinchcombe M,White H.Univeral.Approximation Of Unknown Mapping and Its Derivatives Using Multi-layer Feed-forward Networks.Neural Networks.1990(3):551-560
[50]王勇刚,董文蔚.BP神经网络预测嵌岩桩承载力.岩土工程技术,2005,19(5):227-232
[51]凌国智.BP人工神经网络在深层搅拌桩复合地基承载力计算中的应用.广西土木建筑,2002,27:227-229
[52]田慧欣.基于遗传算法和BP网络的LF炉终点温度预报[D]:[硕士学位论文].沈阳:东北大学,2005
[53]邹万杰,韦立德.改进的BP网络在嵌岩桩承载力预测中的应用[J]广西工学院学报,2002,12(3):9-12
[54]Hill T,Marquez L,Onnor M.Artificial Neural network for Forecasting and Decision—making[J].Intwenational Journal of Forecasting,1994,01(10):5-15
[55]Mohamed A.Shahin,Mark B.Jaksa,Holger R.Maier.Artifical neural network application in geotechnical engineering[J].Austarlian Geomechanics,2001(3):49-62
[56]M.A.A bu Kiefa.General regression neural network for driving Piles in cohesionless soils[J],Journal of geotechnical and geoenvironmental engineeirng,1998(12):1177-1185
[57]Manual For Condition Evaluation and Load and Resistance Factor Rating(LRFR)of Highway Bridges[S].United States of America:the American Association of State Highway and Transportation,Officials,October,2003
[58]Pino-Mejyasb R,Acostab A,Munoz-Gareya Jy.Neural network forecasting models from time series ARIMA models:A procedure and a comparative analysis[J].Intelligent Data Allalysis 6(2002):53-56