基于粒子群算法优化RBF神经网络的异型连续箱梁桥损伤识别方法#谭国金，刘寒冰，孙平一*510152025303540（吉林大学交通学院）摘要：针对异型连续箱梁桥的特点，提出了一种适用于该类桥梁结构的损伤识别方法。以位移振型比值和应变模态相对变化量来构造损伤指标，把该损伤指标作为输入数据，采用粒子群算法优化RBF神经网络来识别结构的损伤。最后采用一座4×30m异型连续箱梁桥损伤识别的数值模拟计算来验证所提出方法的可行性和有效性。关键词：桥涵工程；异型连续箱梁桥；损伤识别；应变模态中图分类号：U446.1DamageIdentificationMethodforIrregularContinuousBoxGirderBridgeBasedonRBFNeuralNetworkOptimizedbyPSOTANGuojin,LIUHanbing,SUNPingyi(CollegeofTransportation,JilinUniversity)Abstract:Adamageidentificationmethodsuitableforthecharacteristicsoftheirregularcontinuousboxgirderbridgeispresented.ThedamageindexstructuredbytheratioofmodeshapeandrelativechangeinstrainmodeisrepresentedasinputdatatoidentifythestructuredamagebymeansofPSO-RBFneuralnetwork.Finally,thenumericalsimulationcalculationforthedamageidentificationofanirregularcontinuousboxgirderbridgewiththelengthof4×30metersverifiesthefeasibilityandvalidityoftheproposedmethod.Keywords:bridgeengineering;irregularcontinuousboxgirderbridge;damageidentification;strainmode0引言在立交桥梁工程中，为了满足车辆通行的需求，在主线与匝道联接处主线桥梁通常采用异型结构。而箱型结构具有整体刚度大，外形美观等优点，因此异型连续箱梁桥在城市立交和高速公路立交中得到了广泛的应用[1,2]。鉴于该类桥梁结构的复杂性，在使用过程中，该类桥梁也出现了不同形式的病害，因此建立其损伤诊断方法是十分必要的。近几十年来，神经网络[3]、遗传算法[4]以及支持向量机[5]等智能计算方法被应用到复杂结构的损伤识别中。RBF神经网络的输入到输出映射是非线性的，而隐含层空间到输出空间的映射是线性的，这样可以大大加快学习速度并避免局部极小问题[6]。而RBF网络隐层节点的中心及基宽度参数的确定存在一定的困难。粒子群算法是一种多维空间的寻优算法，可以用来对RBF网络隐层节点的中心及基宽度参数等进行优化[7]。本文结合粒子群算法和RBF神经网络的特点，提出了一种基于粒子群算法优化RBF神经网络的异型连续箱梁桥损伤识别方法。以位移振型比值和应变模态相对变化量来构造损伤指标，把该损伤指标作为输入数据，采用粒子群算法优化RBF神经网络来识别结构的损伤。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---基金项目：高等学校博士学科点专项科研基金（20100061120066）作者简介：谭国金（1981-），男，讲师，桥梁检测与加固技术.tgj@jlu.edu.cn-1----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---1基本理论1.1粒子群算法粒子群算法（ParticleSwarmOptimization，PSO）是利用复杂空间中个体间的协作及竞争实现寻优操作的计算方法。每一时刻粒子将跟踪两个极值：一个是粒子本身的最优位置；45一个是整个粒子群的最优位置。ttttTttttTttttTPgt(pgt1,pgt2,,pgD)T为t时刻全局最优位置，其中1dD,1iM。则粒子i在t1时刻的位置可描述为下式：50vidt1vidtc1r1(pidtxidt)c2r2(pidtxidt)xidt1xidtvidt1（1）（2）式中，r1,r2为分布在(0,1)区间的两个独立随机数；c1,c2为学习因子，通常取为2。为惯性权重，其大小决定了粒子对当前速度继承的多少。551.2RBF神经网络径向基函数(RBF-RadialBasisFunction)神经网络是由J.Moody和C.Darken在80年代末提出的一种神经网络,它是具有单隐层的三层前馈网络。RBF网络的结构与多层前向网络相似，它是具有单隐层的一种两层前向网络。输入层由信号源节点组成，隐含层的单元数视所解决的问题确定，输出层对输入的数据作出响应。RBF神经网络的基本结构如图1所示。60RBF神经网络的输出：图1Fig.1RBF网络结构RBFnetwo...