（土木工程专业论文）自适应遗传神经网络模型及其在坝体结构损伤识别中的应用.pdf

j 独创性声明 删j f | f f f j m y 17 8 7 9 8 0 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 鹕：黼醐：川虬 关于论文使用授权的说明 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 妣诲孵名缸h 眺泖口_ 一 j “ _ j 我国有着丰富的水利资源，大坝使用期限内可能出现各种形式的病害，若不 及时对坝体进行检测，随着这些病害的不断发展，水电站正常功能的发挥将受影 响，甚至危及大坝的稳定，导致下游人民的生命和财产安全受到威胁。可见对坝 体进行定期的安全监测和损伤分析显得尤其必要。 结构若存在损伤，结构的动力特性参数将随之改变。以结构动力特性参数为 依据识别结构损伤的方法是目前国内外相关领域的研究热门之一，而这一方法中 应用比较广泛的方法有神经网络方法、遗传算法方法以及两者结合的方法。 本文首先介绍了模态参数识别的相关理论，讨论了损伤参量的选取问题，通 过比较固有频率变化、位移模态、曲率模念、固有振型变化和能量变化对结构损 伤敏感性，指出固有频率变化容易获取，并且精度较高，是上述五种参量中最适 合作为损伤参量的结论。 接着本文对人工神经网络和基本遗传算法( s g a b p ) 的基本理论作了简要介 绍，人工神经网络在结构损伤识别领域应用广泛，但缺点明显，易陷入局部收敛； 文献证明，基本遗传算法在某些领域是一种全局寻优能力较强的算法，可用于优 化人工神经网络，但是也有缺陷和不足，如易出现早熟收敛，同时存在随机漫游、 稳定性不佳、收敛速度慢等问题。 针对基本遗传算法的不足，本文提出了有针对性的改进方法，主要的引入了 一种改进的自适应交叉和变异算子，并探讨了其中部分参数的改进。采用十进制 编码并建立改进的自适应遗传神经网络模型( i a g a - b p ) ，同时建立基本遗传神经 网络模型( s g a b p ) ，以便在分析研究时比较。 最后将自适应遗传神经网络模型( n g a b p ) 运用到具体的坝体结构损伤识 别中，本文以混凝土重力坝为例，运用a n s y s 等有限元软件模拟坝体损伤并计 算频率，以频率变化作为改进遗传神经网络的输入向量输入到i a g a b p 模型和 s g a b p 模型中，分析比较结果可知本文引入的队g a 。b p 模型收敛精度较高， 具有较强的全局收敛能力，收敛速度明显加快，在迭代6 1 次时就趋于稳定，接 近全局最优解。总体上，本文引入的认g a b p 模型可以对一般小型混凝土重力 坝进行较好的损伤定位。另外，还可将该方法用于结构的模态参数识别。 关键词：损伤识别；自适应遗传神经网络；坝体结构：模态参数识别 j m ed e s i 盟o p e r a t i o n a lp e r i o do f l ed 锄，t l l e r em a y b eal o to fp r o b l e m s i f 也e s e p r o b l e 黜a r en o tf 0 吼di n 廿m ea n d9 0o n ，t 1 1 e yw i l ln o to n l yi n f l u e i l c et h ee 疵c to f b ，d r o p o w e rs t a t i o n ，b u ta l s or e s u l ti nt h ed 锄c o l l a p s e ，w l l i c hc a i la f f e c tl i v e sa n d p r o p e n yo fm ep e o p l ed o w n s t r e 锄t h e r e f o r e ，i ti sn e c e s s a r yt oc a r 叮o u ts a f e t y m o m 州n ga n di n j u 巧锄a l y s i si i lt i m e d a m a g ei sb o u n dt 0l e a dt om ec _ h a i l g eo ft l l es 劬c t u r a ld ) ，i l 锄i cc h a r a c t e r i s t i c s s t n l c 仙踊l ld 锄a g ei d e n t i f i c a t i o nb a s e do nt h e 鼬m c t i l r a ld y n a m i cp r o p e n i e si st h e h o t s p o ti nc u 册l ta c a d 锄i ca i l de i l 百n e e r i n gr e s e a r c hf i e l d f i r s t l y ，协et h e o r i e sa i l dm e m o d so fs t m 曲嬲ld 锄a g ei d e n t i f i c a t i o na r ed i s 伽s s e d ， s oa r em ei 1 1 t r i n s i c1 i i t k sb e t w e e nm e c h a i l g e so fm e 行e q u e n c y ，v i b r a t i o nm o d e ，s t r a i n m o d a lp 娥瞄e t e r s ，c u r v a n 盯e ，t 1 1 ec h a l l g eo fe 1 1 q g y 觚dt l l es t n l c t u r a l 岫u 珥i t s s h o w e dt l l a tt h em e t h o db a s e do nm e f e q u e n c yc h a n g ei st h ee a r l i e s tm e t h o du s i n g t h e c h a n g eo fs 讯l c t w 试d y n a m i cp a r 锄e t e r st oi d e n t i 矽t h es t n j c t u r a ld 锄a g e a n dt m s m e m o dh a ss h o 、) l ，ni t se x c e l l e n c eo fs i m p l eb u ta c c u r a t e 锄dc o n 、，e m 咖“n gi t s c o n t i n u o u si m 】) r o l v e m e n ta n dd e v e l o p m e n t t l l ek e y s t o n co fm ea n i f i c i a ln e u r a ln e 咐o r l ( sa n dt h es i m p l eg e l l e t i c a 1 9 0 r i na r ei n 仃o d u c e di n “sp a p 既t h ea n i f i c i a ln e u r a ln e 觚o r k si sa p p l i e di n m a n yf i e l d sb u ti ti l 毽s o m eo b v i o u sd i s a d v a n t a g e ，s u c ha sl o c a lc o n v e 玛e n c e i t s p r o v e dm a tn l es i m p l eg e n e t i ca l g o r i t h l nh a sg o o dc 印a b i l i 够o fg l o b a l0 p t i m i z a t i o ni n s o m ef i e l d ，b u tt h es h o r t c o m i n ga i l dd e f i c i e l l c ya r eo b v i o u s ，s u c ha se a s yt ob e 删1 d o m ， b a ds t a b i l i 坝s l o wc 0 n v e 唱e 1 1 c ev e l o c i t ya n ds oo n a c c o r d i n gt o - t l l es h o n c o m i n go ft h es i m p l eg e l l 而ca l g o r i t h m ，s o m ei m p r o v e d m e m o d sa r ep r e s e i l t e d ，w h i c hi n c l u d eak i n do fa d a p t i v cc r o s s o v e ro p e r a t o ra i l d m u t a t i o no p e r a t o r w h a t sm o r e ，ad e c i m a lc 1 1 c o d i n gs c h 锄ei su s e d a n e rt h a ta i m p r o v e da d a p t i v eg e l l e t i ca 1 9 0 r i t h m - b pm o d e l ( i a g a - b p ) t o g e m e rw i mas i m p l e g e i l e t i ca l g o r i t h m - b pm o d e la r eb u i l t ，a n dt h e i rr e s u l t s w i l lb ec o m p 卸e di nt h e a p p l i c a t i o n a tl a s t ，t h ei a g a - b pm o d e l i s 印p l i e di nt h ed 锄a g ei d e n t i f i c a t i o no ft h ed 锄 c o n c r e t ed 哪i st a l ( f o re x a m p l ei nt h i sp a p e r ，u s i n gt h ef i n i t ee l e n l e n ta n a l y s i s a b s i r a c i 一 s o f t 、v a r e a n s y st oc a l c u l a t ef o rm e 姻u e i l c y ，w l l i c hi si n p u tn o 恤队g a - b p m o d e la n dt 1 1 es g a - b p i n o d e l 1 1 哟u 曲锄a l y z i n g 锄dc o m p 撕n g t h e 颅m l t so fm i e 铆o m o d e l s ，i t sp r o v e dt h a tm ef o n n e ri sm o r ee x c e l l e i l ti nm ec o n v e 玛e n c ev e l o c i 够a 1 1 d m e p r e c i s i o i l a i l db 甜e ri i l9 1 0 b a lo p t i i i l i z 撕o n h ls h o 心m ei n t r o d u c e d 认( a - b p m o d e lc a i lb ea p p l i e di i lt l l ed 姗a g ei d e m i f i c a t i o no fs o m em “t y p ec o n c r e t ed 锄a i l d a l s oi nn l ei d e i l t i 6 c a t i o no ft l l es 臼舢m l r a lm o d a lp a r a m e t e r s k e yw o r d s ：d 锄a g ei d e i l 倘训o n ；a d a p t i v eg e n e t i ca l g o 础l i i i ；d 锄；s 仃u c n 黼l m o d a lp 踟e t e r si d e m i f i c a t i o n a b s t r a c t i i i 目录。v 第1 章绪论1 1 1 引言l 1 2 坝体结构损伤识别研究的意义一1 1 3 坝体结构损伤识别的国内外研究现状5 1 3 1 利用人工神经网络的结构损伤识别6 1 3 2 利用遗传算法的结构损伤识别7 1 3 3 利用遗传算法与神经网络结合的结构损伤识别8 1 4 基本思路和研究内容l o 第2 章结构模态参数识别的基本理论1 1 2 1 概j 苤_ 11 2 2 模态参数识别的基本原理1 1 2 3 损伤参量的选择方法一1 2 2 3 1 频率变化作为损伤参量”1 2 2 3 2 位移模态作为损伤参量1 2 2 3 3 曲率模态作为损伤参量1 2 2 3 4 结构固有振型变化作为损伤参量”1 3 2 3 5 能量变化作为损伤参量”1 3 2 4a n s y s 模态分析方法1 4 2 4 1 损伤程度参量的简要探讨1 5 2 5 本章小结1 6 第3 章人工神经网络的基本理论1 7 3 1 人工神经网络的发展史1 7 3 2 人工神经网络的基本原理1 8 3 2 1 人工神经网络模型1 8 3 2 2 人工神经网络的类型1 9 3 2 3 神经网络的训练2 0 v 北京工业大学工学硕士学位论文 3 2 4 人工神经网络的特点2 0 3 3b p 神经网络及b p 算法2 1 3 3 1b p 神经网络简介2 l 3 3 2b p 算法的具体学习步骤推导2 2 3 4 人工神经网络的应用2 4 3 5 本章小结”2 5 第4 章遗传算法的基本理论2 7 4 1 遗传算法的原理2 7 4 1 1 生物遗传学的概念2 7 4 1 2 遗传算法的由来2 8 4 2 遗传算法的基本思想2 8 4 3 遗传算法的特征2 9 4 4 遗传算法的学习步骤2 9 4 4 1 编码“3 0 4 4 2 适应度评价”31 4 4 3 产生初始种群3 2 4 4 4 遗传各操作算子3 3 4 5 遗传算法的主要参数3 5 4 6 遗传算法的实际应用3 5 4 7 本章小结3 7 第5 章遗传算法的改进及自适应遗传神经网络3 9 5 1 遗传算法的不足3 9 5 1 1 基本遗传算法( s g a ) 3 9 5 1 2 基本遗传算法( s g a ) 的不足3 9 5 2 自适应遗传算法4 0 5 2 1 自适应遗传算法的产生4 0 5 3 一种改进的自适应遗传算法( n g a ) 4 1 5 3 1 采用十进制编码4 1 5 3 2 自适应交叉变异概率的确定”4 l 5 4 遗传神经网络4 4 5 4 1 遗传算法优化神经网络的必要性4 4 5 4 2 遗传神经网络的原理4 4 5 4 3 遗传神经网络的实现步骤4 5 5 5 改进的自适应遗传神经网络( i a g a b p ) 的优点4 5 v i 目录 5 6 本章小结4 6 第6 章认g a b p 模型的建立及在坝体损伤识别中的应用“4 7 6 1 模拟数值算例4 7 6 2 模态计算4 8 6 2 1 三损伤工况下模型的频率与完整坝体频率对比分析4 8 6 2 2n g a b p 模型的建立及应用”5 0 6 3 本章小结5 4 结论与展望”5 7 结论5 7 展望5 8 参考文献5 9 攻读硕士学位期间取得的研究成果6 3 致 射6 5 v i i 当 着 必 实 等 很 将 安 使 其能够被继续使用。目前，比较成熟的结构安全检测和损伤识别的方法有两种： 一是以还原论的原理为基础，并用现有的技术将损伤检测的步骤划分为几个部 分，此方法反映了结构损伤与结构组成的关系，但此法同样存在问题：此方法中 环境和结构参数的隶属函数、决策因素的权值等都是根据经验选取或者调整；另 一种方法则是人工神经网络方法【2 】【3 】。 1 2 坝体结构损伤识别研究的意义 我国是水利水电大国，水利资源丰富，为充分利用我国的水能资源，在全国 范围内建立的坝体众多。我国历史上已有建坝的传统，但当时主要是为农业灌溉 和防洪，坝体的规模不大，所用的材料有很大局限。2 0 世纪初的西欧开始出现 现代的坝体建设，而北美在三四十年代也相继出现此类工程建设，紧接着到了前 苏联，而中国首个现代大坝工程的开工建设是在2 0 世纪后半段。我国的坝体建 设虽然起步较晚，但是发展迅速，建国后，我国从境内没有一座现代大坝到成为 世界上首屈一指的大坝建设大国，所花的时间不到5 0 年。到目前为止，我国有 8 万余座各式大坝已建、在建和计划将建。我国在5 0 年代建设了两座一级宽缝 重力坝，分别为古田和新安江混凝土重力坝，其中新安江大坝高为1 0 5 米，是我 国第一座高度超过l o o 米的大坝。到了八十年代末，国内建成的高度超过5 0 米 我国仅水电装机总容量将达到5 亿k w 。而到那时全国的总装机容量达到1 5 亿 k w ，人均装机容量将有希望达到l k w ，这将达到或者超过中等发达国家的水平。 进入2 1 世纪后，我国继续着手大力新建水电站，目前待建的水电站，包括 大型和特大型水电站数量2 0 3 座，其中部分电站技术处于世界前列：小湾水电站 建成后将成为世界最高的混凝土双曲拱坝；龙滩水电站建成后将成为世界最高的 碾压混凝土重力坝。 表1 1 是世界上待建的部分大型水电站( 根据1 9 9 9 年统计资料) 【4 j 我国电力部门管理的1 3 0 多座大、中型水电站大坝中，混凝土坝占了绝大部 分，数量约占8 5 ，而土石坝相对少很多，约占1 5 ；一般坝高超过3 0 m 的大 坝我们将其归类为中高坝，在我国这类坝体的数量占多数，比例达到8 0 。我国 的大型水库大多是在上世纪八十年代末前建成的，这些水库中，库容超过l 亿 m 3 的占到了5 5 。至2 0 0 0 年底，有5 0 多座坝的坝龄超过3 0 年。 已建成大坝在运行过程中，将受到环境和其他不可预知因素的影响，如在水 的作用下，受到水的侵蚀，冻融、冲刷作用以及可能受到洪水和大地震的破坏， 在这些因素长期的共同作用下，坝体材料的功能将逐渐丧失，坝体结构承受荷载 的能力不断降低。这时候如不及时对坝体结构进行必要的安全检测和损伤分析， 并采取必要的补强措施，而任由病害逐渐发展深入，不仅将导致坝体正常设计功 2 第1 章绪论 能的发挥，一旦坝溃，必将严重危及下游人民的生命和财产安全。 国内外坝体结构的损伤例子很多，如奥地利的b o d e n s p e r r e i l 大坝于1 9 7 6 年 开始蓄水，使用三年之后到了1 9 7 9 年，人们发现中央坝段上游坝面基础面以上 约7 0 米处存在长约1 8 米的开裂，有关部门立即采取补救措施，对大坝进行修复 暂时解决了问题，避免了溃坝的危险。1 9 8 3 年，该坝再次发现开裂，渗水量达 到1 0 0 眦腐。根据专家预计，坝体已出现多处裂缝，上游坝踵已确定存在不同程 度的裂缝，而下游坝面同样存在水平裂缝并极可能已深入坝体内，另外，河床中 部的坝体开始脱离坝基底部，并已沿着下游方向移动数毫米。经详细检测和分析 后，专家决定采用加固措施，增设支撑坝并及时在坝体与坝基之间灌浆，完成后 于1 9 9 4 年再次将水库蓄满水位，水电站成功运转，重新发电【5 1 。另一个典型的 例子是瑞士的z e u z i 盯拱坝，该坝在建成2 1 年后，也就是在1 9 7 8 年，坝体被发 现存在异常变形，经检测发现，坝体多处出现不同程度的开裂：坝体上游坝面中 间部分存在四条垂直横缝，而下游坝面、坝顶、坝内廊道、竖井中同样存在开裂， 当局立即采取措施对坝体进行修复，直到1 0 年之后才恢复正常使用【6 1 。上述两 个坝体出现的裂缝都被及时发现，修复后最终恢复了正常使用功能，没有造成严 重后果。而位于法国瓦尔省的玛尔巴塞拱坝，在建成五年后，于1 9 5 9 年1 2 月2 日晚突然溃坝，造成极其严重的后果。此次溃坝造成的人员伤亡惨重，据统计死 亡4 2 1 人，失踪1 0 0 余人，严重危及当地居民的生命和财产安全，当地的公用设 施也遭受几乎毁灭性的破坏，这一事故给国内外留下了惨痛的教训，为后来的坝 体建设敲响警钟。 表1 2 列举了历史上国内外著名的拱坝失事记剥。7 1 。 北京工业大学工学硕士学位论文 表1 1 世界上待建的部分大型水电站 t a b l el 一1p a n so f l a 謦- s c a l ep i 撇p l 盟tt ob ec 0 璐加砌i nt h ew o r l d 装机容量 序号高坝枢纽名称坝型最大坝高流域 嗍 l 溪洛渡 1 2 0 0 0 双曲拱坝 2 7 3金沙江 2 糯扎渡 5 5 0 0 心墙堆石坝 2 5 8澜沧江 3 龙滩 5 4 0 0 重力坝2 1 6 5洪水河 4 小湾 4 2 0 0 双曲拱坝 2 9 2 澜沧江 5 拉西瓦 3 7 2 0 双曲拱坝 2 5 4 黄河 6 锦屏一级3 0 0 0双曲拱坝3 0 5雅砻江 7 瀑布沟 3 3 0 0 心墙堆石坝 1 8 6 大渡河 8 构皮滩 2 0 0 0 双曲拱坝 2 2 5乌江 9 水布桠 1 5 0 0 面板堆石坝 2 2 7 清江 l o 苗家坝 1 0 4 0 心墙堆石坝2 6 3白龙江 l l 三板溪 1 0 0 0 面板堆石坝 1 8 5 5 酉水 表1 - 2 历史上国内外著名的拱坝失事记录 t a b l el 一21 l 圮a c c i d e n ts t a t 吣o fd o m e s t i c 锄df o r e i 鲫a r c hd a m s 序 坝高 建成出事年拱坝 坝名国家简况 号 ( m ) 年份份型式 双曲首次满库，坝基出事，崩 l 马尔巴塞法国 6 61 9 5 41 9 5 9 拱坝垮、死亡4 2 1 人 双曲首次高水位，水库滑坡涌 2 瓦伊昂意大利 2 6 51 9 6 01 9 6 3 拱坝浪翻坝，死亡2 6 0 0 人 重力首次满库，坝基出事致 3圣佛朗西斯美国6 31 9 2 61 9 2 8 拱坝垮，死亡4 5 0 人 周边 4 梅花 中国2 21 9 8 l1 9 8 l 缝薄 当年第二次满库，周边缝 坝 上滑失坝垮，无人伤亡 单曲首次满库，左岸坝肩被冲 5 兰尼尔湖坝美国 1 91 9 2 51 9 2 6 拱坝蚀而破坏 单曲首次满库，溢洪道事故， 6莫伊埃河坝美国1 61 9 2 51 9 2 5 拱坝左岸坝体垂坝肩被冲毁 4 第1 章绪论 1 3 坝体结构损伤识别的国内外研究现状 何国波在文章中针对响洪甸混凝土重力拱坝，基于结构动力参数的方法，采 用数值分析，得出大坝在损伤前经模态分析求得的频率和振型。紧接着进行结构 损伤模拟；分别选择大坝中往往较容易出现裂缝的几个位置模拟损伤，得到各损 伤工况下的模态参数一频率和振型，并与完好结构的模态参数进行对比，分析这 两个模态参数与大坝结构损伤的关系【8 1 。而赵深研究结构损伤识别则是使用人工 神经网络方法。在文章中，基于结构动力特性的随着结构损伤改变的原理，他研 究了利用神经网络定位坝体结构损伤的详细原理和具体步骤，并简要论述坝体结 构有限元分析模型的建立方法以及如何模拟坝体损伤的具体方法，最后将其文章 提出的方法应用于马蹄坑水库拱坝坝体损伤的定位【9 】。与上述两种方法不同，何 宗成以l ：1 0 0 的比例做了一个坝体模型，接着运用软件建立同一坝体的有限元 模型，对实物模型在实验室模拟裂缝并测得其频率值；而用刚度折减的方法在软 件中模拟有限元模型的损伤，同时也测得其损伤后的频率值；最后对比实物模型 和有限元模型的频率值，经分析定位坝体结构损伤的位置【1 0 1 。 实际结构中存在的裂缝、腐蚀以及混凝土凝结破坏都是典型的损伤情况，这 些损伤都导致了结构的刚度降低。观察法是结构损伤检测的各种方法中最常用的 一种方法。而结构的局部裂缝或者构件存在的裂缝用肉眼很难看到，这些裂缝的 存在将威胁结构的安全。另外，由于复杂结构的关键损伤往往出现在不容易接近 的位置或者被结构表面所掩盖，所以用此种方法检测这类结构的损伤收效甚微。 检测结构损伤除观察法之外，还包括一些非破损性检测方法：如超声波法、 射线法，光纤维法、声探法等。与观察法的局限类似，上述方法往往对于结构局 部的损伤检测有效，而遇到较复杂的结构类型，检测精度不高。 鉴于观察法和非破损检测方法的不足，研究人员希望找到一种通用的检测方 法，希望这种方法可以涵盖几乎所有的结构检测。其中最实用的方法之一就是基 于结构动力破损的方法。动力破损评估是目前国内外学界有关结构检测方面的最 重要研究课题之一，这种方法在众多领域应用广泛，如航空航天领域、机械造船 领域以及工程领域。众所周知，结构的动力特性是结构的固有属性，结构动力特 性的改变与结构损伤息息相关，即结构一旦发生损伤，其结构动力特性必然随之 改变。由于结构的动力特性参数可以通过实验得到，所以学者们研究通过分析得 到的动力特性参数来识别结构损伤。与非破损检测法不同，基于动力破损评估的 方法不仅能检测局部损伤，更重要的是这种方法可以在全局范围内进行损伤检 测，即便是难以接近的部位。 一般基于结构动力破损评估的识别结构损伤的方法包括：有模型的参数识别 和无模型的系统识别。有模型的参数识别方法包括系统参数辨识、损伤指标法、 5 人工神经网络模拟人脑的结构和智能化特点，具有信息的分布式存储和并行 协同处理的特性，同时具有自适应性、容错性和鲁棒性以及很强的学习泛化能力。 虽然可以根据结构动力特性识别结构损伤，但是实际工程中两者很难一一对应。 尤其当结构存在多处损伤或者周围环境存在干扰的情况下，利用动力破损评估的 方法误差较大。由于人工神经网络具有自适应和学习能力，而且具有很强的鲁棒 性，对于干扰环境仍然能够有效地识别出损伤。神经网络经训练之后可以得到输 入到输出之间的映射关系，这种映射信息就储存在各层神经元之间的权值中。因 此，可以运用训练后的神经网络识别结构损伤。 美国p 珊d u 大学的v c ：1 1 k a t a s u b r 锄a n i a i l 和c h a l l 首先将人工神经网络方法用 于检测结构的损伤，同时与其他检测方法进行比较。经对比分析，人工神经网络 除网络训练时间稍显较长以外，损伤识别精度较高【1 1 】。1 9 9 2 年，w u 充分利用人 工神经网络的自适应性和学习能力，提出了一种基于傅立叶谱的损伤检测方法， 并将此方法检测某个结构的损伤【1 2 】。1 9 9 4 年，e 1 k o r d y 等人也研究了一种基于人 工神经网络的结构损伤识别方法，该系统的振动信号采用有限元分析和振动台实 验得到的应变模态。该人工神经网络方法识别精度较高，具有较强的鲁棒性，可 用于识别较复杂结构损伤【1 3 l 。1 9 9 7 年，w b r d e l l 提出了模式识别的特征、自联想 器的形成、异常指标以及学习方法，并用人工神经网络作为自联想器对结构进行 损伤识别【。徐宜桂等也于1 9 9 7 年用人工神经网络识别钢筋混凝土梁的损伤， 并尝试识别梁的损伤程度【1 5 】。王柏生等是国内较早研究运用人工神经网络识别结 构损伤的学者，他着重研究了人工神经网络输入参数的选择【1 6 】【1 7 】【18 1 ，并将其研 究的方法应用于青马大桥桥板的损伤识别，数值分析结果表明，识别效果理想【l 引， 另外，他还在文章里讨论了造成人工神经网络识别误差的原因及影响b u j i z 。 在损伤检测中不可避免存在测量误差和结构不确定性，这将直接影响检测效 果，而概率神经网络方法可以较有效解决这问题，因此，近年来许多学者致力 于运用概率神经网络进行结构损伤识别。如p a z e 和e 1 1 l ( e 研究了概率神经网络 在机械系统损伤识别的应用 2 2 j ；s t e 胁。等研究了用概率神经网络预测地震破坏 机制【2 3 1 。与概率神经网络相比，统计神经网络在结构损伤识别领域同样适用，它 能够同时比较两个或者多个系列的数据，而不再受分布规律的影响。因此，它在 存在噪声干扰的环境下的结构损伤识别方向有很大实用价值。王柏生等首次将统 计神经网络用于识别简支钢梁和某二层框架结构损伤【2 4 1 。李学良在简单b p 算法 的基础上进行改进，提出了权值和阈值能够同步学习的b p 算法。这一新算法在 6 第1 章绪论 保证训练精度的同时，也有效地加快了网络的训练速度，使人工神经网络在实际 结构损伤识别中更加实用【2 5 】。瞿伟廉等选择应变模态作为损伤参量，运用人工神 经网络识别高层结构损伤，识别结果表明选择应变模态作为损伤参量识别损伤较 为有效【2 6 1 。 1 3 2 利用遗传算法的结构损伤识别 虽然人工神经网络在结构损伤识别中应用广泛，但往往容易出现局部收敛的 想象，影响识别精度。因此，研究一种既有全局搜索能力，而在局部寻优方面又 具有收敛快、精度高等特点的算法对于结构损伤识别领域显得尤其重要。遗传算 法就是具备上述优点的一种全局寻优算法。遗传算法是基于生物学优胜劣汰的遗 传机理，具备高度并行性、全局收敛能力以及鲁棒性等优点，己成功运用于多个 领域。 由于简单遗传算法存在自身的缺点，需要的数据巨大，效率不高。因此，一 些学者致力于寻找一些改进算法，这些算法所需的数据量小，操作简单，具有很 强的全局收敛能力，在一些实际工程的损伤识别中均得到了成功应用：易伟建等 通过改进基本遗传算法，大大提高了算法的运行效率并用改进算法分析了一个具 有2 0 个自由度的固端梁；c y l 认和w c g k o h 等人提出了从时间域中转换到模 态域中的模态遗传算法，算法基于振型的正交特性解耦运动方程，在模态域中采 用较少的变量进行遗传算法的识别，他们将此算法运用于自由度高达5 0 个的结 构损伤识别，结果精度不够理想，有待进一步改进【2 7 】 3 0 1 。王若林等在文章中提 出在遗传算法中引入复合算子，进而提出一种优化算法，并将该算法与神经网络 结合应用于结构静力位移测量问题，结果表明识别结构参数的特征参数时，静力 位移测量值可作为参量，这种优化算法由于引入了复合算子有效地提高了计算效 率，全局寻优能力也较强【”】。 王敏、沈成武在文章中将遗传算法用于大跨混凝土桥梁的预应力损失识别问 题中，通过建立损伤的数学模型，计算理论挠度值与实测值的差值并用遗传算法 识别损伤模型的参数【3 2 1 。沈成武、唐小兵等选择损伤结构前五阶的频率变化作为 损伤参量来识别结构裂缝的位置和深度【3 3 1 。邹大力在基于修正模态的混合遗传算 法结构损伤识别一文中提出了一种基于修正测试模态的损伤识别方法，即将测试 频率和修正后的测试振型组成的函数作为优化目标，用遗传算法和局部搜索算法 组成的混合遗传算法作为优化工到训。 易伟建在混凝土平面杆系结构破损评估理论及实验研究一文中提出了用残 余力向量定位结构破损的位置，并用加权灵敏度评定结构破损程度的方法【3 5 】。易 伟建，刘霞在弹性地基梁损伤诊断研究一文中利用遗传算法的全局寻优能力对弹 性地基梁进行两级识别，仅选取弹性地基梁的f j 几阶模念信息，成功地识别了弹 7 北京工业大学工学硕士学位论文 性地基梁损伤情况，该算法在有噪声干扰的情况下同样识别效果理想p 6 j 【j 川。李 志强以单元刚度折减系数作为待识别参数，将频率和振型作为目标函数，运用遗 传算法对折减系数进行寻优，结果验证了其对结构损伤识别的有效性l 邛j 。 袁颖提出了一种基于残余向量和遗传算法的结构损伤定位和定量方法 【3 9 h 矧。袁颖、林皋等提出一种基于不完整模态数据的结构损伤定位和定量评估 的两阶段法。第一阶段用柔度投影法进行损伤定位，并进行分析；第二阶段，用 遗传算法确定损伤程度【4 1 1 。薛祥等在基于改进遗传算法的公路桥梁损伤程度标定 的两阶段法一文中提出了基于改进遗传算法的公路桥梁损伤程度标定的两阶段 法【4 2 1 。这一方法克服了同时进行损伤定位和评定损伤程度时出现的收敛速度慢、 存储空间大及可能误标定等问题。 ma n a l l d ar a o 等用残余力向量法建立目标函数，利用基本遗传算法优化目 标函数从而达到损伤识别的目的，文中举了多种结构实例，优化结果都较为理想 【4 3 】。孔凡以残余力向量为目标函数，运用m a t l a b 中的f e m 工具箱和遗传算 法工具箱识别结构损伤瞰】。张增军等提出一种利用残余力进行结构损伤识别的方 法【4 5 1 。尹涛等运用一种改进的遗传算法来进行结构的损伤检测研究，该方法在传 统遗传算法的变异算子里引入了一种被称为零变异率因子的参数，使得种群中时 刻保持一定数量的零值元素，即相当于用结构的损伤只是发生在局部这个信息约 束了传统的遗传算法，从而使得检测的结果更加准确【拍j 。 1 3 3 利用遗传算法与神经网络结合的结构损伤识别 虽然遗传算法具有全局寻优能力，有效克服了神经网络易陷入局部收敛的不 足，但是遗传算法同样存在缺陷，如随机漫游，微调能力差等特点。因此，若将 两者结合将构成互补，寻优效果将大大改进，近年来遗传算法与人工神经网络相 结合的方法在结构损伤识别领域应用方面取得了不少成果。两者结合的方法具有 自适应性的同时，更加速了其全局收敛能力。目前，这种方法主要应用是将遗传 算法优化神经元网络权值以及结构。 余昆在基于遗传算法优化神经网络的桥梁结构损伤识别研究一文中利用数 值分析模拟大桥的损伤情况，将遗传算法和b p 神经网络结合并应用于预应力混 凝土连续梁桥损伤的识别，识别效果理想【4 7 】，该方法在识别大跨桥梁损伤应用中 具有一定的实用价值。李秀芬用小生境技术改进遗传算法，并将其与神经网络结 合并应用用于简支梁的损伤定位和损伤程度评定，取得的结果理想【4 8 1 。吴大宏运 用遗传算法结合神经网络的方法计算和分析了斜拉桥主梁和索塔在多种失效模 式下的可靠指标【4 9 】。饶文碧等也以遗传算法结合神经网络的方法，探讨了结构损 伤识别问题唧】，研究表明两者结合的方法不仅具备了遗传算法的全局收敛能力， 还兼具了神经网络的泛化推广能力。 8 第1 章绪论 虽然目前有很多方法很容易定位结构损伤和评定损伤程度，但是需要的数据 巨大，另外识别精度不高。从实际应用的角度出发，识别结构损伤时，如果能够 使用测试结果并结合现场其他测试手段，而不依赖计算模型，将有利于获得更多 有关的结构信息，为保证结构的进一步检测进而提高损伤识别精度提供条件。因 此，选择对结构损伤最为敏感的参量是结构安全监测和损伤分析研究的重点之 一。近年来国内外有关结构损伤识别领域的研究结果发现：结构固有频率和振型、 应变模态、位移模态等都可以作为识别损伤的损伤参量。 结构损伤识别研究综合了最新的科学技术和思想，不断朝着网络化、智能化、 系统化的方向发展，在众多领域都得到了广泛应用，如数据采集和传输方面、损 伤识别的研究方法方面等。近年来这一研究逐渐形成了一套比较完善的理论体 系，实现简便并且能够真正做到远程检测。但同样存在不少问题，有待进一步的 改善： 一一一 ( 1 ) 这方面的基本理论研究虽然越来越完备，但是理论研究与实际应用有 一定的区别：理论成果应用到大型复杂结构的损伤识别领域还显有较成功的例 子，这个领域急待进一步的深入研究。通过与其他先进科技技术的结合，结构损 伤识别研究成果用于研发复杂土木工程结构的损伤识别系统，并构件一套成熟理 论是国内外有关损伤识别研究的热点问题。 ( 2 ) 这一方法目前的应用很少考虑环境因素的影响，而实际工程中结构或 多或少地受到噪声干扰，这部分干扰对于损伤识别的影响较大，而目前这方面的 研究中基本忽略了噪声的干扰，因此必须认真考虑并尝试解决噪声的干扰问题对 结构损伤识别的影响。 ( 3 ) 另外，损伤识别传感器布置的位置优化以及高效、高精度的测量仪器 的开发也是结构安全监测和损伤分析的一个方向。 9 北京工业大学工学硕十学位论文 1 4 基本思路和研究内容 可以用于识别结构损伤的参量很多，但是如何选取参量，具体选取何种参数 作为损伤参量对识别损伤更精确，目前还没有一个完备的理论作为参考，国内外 有关损伤参量的选择只是针对具体工程实际选取。本文对模式识别的基本理论作 了简要的介绍，比较了五种不同的参数对结构损伤的敏感性，指出固有频率变化 容易获取，并且精度较高，是上述五种参量中最适合作为损伤参量的结论，因此 本文选取固有频率变化作为损伤参量。 本文对遗传算法基本理论进行研究，指出其存在易出现早熟收敛，同时存在 随机漫游、稳定性不佳、收敛速度慢等问题，并有针对性地提出改进方法：在十 进制编码的基础上引入自适应交叉和变异算子，并用于优化神经网络权值，从而 建立改进的自适应遗传神经网络模型，最后将此模型应用于坝体结构的损伤识别 中。 本文的基本思路和研究内容包括以下几个方面： ( 1 ) 通过对结构模态参数识别理论的研究，讨论了损伤参量的选取问题， 通过比较五种不同参数对损伤的敏感性，最终选择固有频率变化作为损伤参量； ( 2 ) 通过对基本遗传算法的研究，找出基本遗传算法的缺陷，以便接下来 探讨对其改进的方法。 ( 3 ) 针对基本遗传算法的缺陷，在利用十进制编码的基础上对算法进行改 进，引入自适应交叉和变异算子，并用改进的遗传算法优化b p 神经网络，由此 建立改进的自适应遗传神经网络模型( i a g a b p ) 。 ( 4 ) 利用改进的自适应遗传神经网络模型( i a g a b p ) 对一个模拟的混凝土 重力坝进行结构损伤识别，将识别结果与基本遗传神经网络模型( s g a b p ) 进行 比较，指出其优势及不足之处。 1 0 第2 章结构模态参数识别的基本理论 第2 章结构模态参数识别的基本理论 2 1 概述 近年来，基于结构动力特性的结构损伤识别方法是国内外相关领域的研究热 门之一，由于理论还有待进一步完善，国际上还没有统一的方法。对结构进行损 伤识别一般包括三个步骤：首先是识别结构是否存在损伤，接着是损伤的定位， 最后是损伤程度的评定。其中，识别结构是否存在损伤是结构健康监测的前提； 而损伤位置的确定目前是结构安全监测的重点，同是也是问题的难点；结构损伤 程度的评定是进行结构损伤识别的最终目标，因为对结构