基于神經網絡的大跨度預應力混凝土橋梁運營狀態預警

周 瀟

(武漢市城市路橋收費管理中心，湖北武漢 430050)

[定稿日期]2017-06-28

預應力混凝土箱梁橋在運營期持續下撓，一直是橋梁工作者重點研究的問題。人工神經網絡是基于數據統計類型的學習方法，不需要知道數據之間的因果關系，非常適合于針對影響因素眾多、因果關系難明的結構長期下撓這類復雜問題進行研究。結合一座預應力混凝土連續梁橋的健康監測系統監測數據，采用神經網絡方法對此類橋梁運營狀態進行預警。

1 人工神經網絡

人工神經網絡(簡稱ANN)是模擬生物大腦神經突觸連接結構進行信息處理的一種數學模型。它由大量神經元相互連接而成，每個神經元代表一種激勵函數，神經元之間的連接對通過該連接的信號賦予權值，神經元的輸出則由輸入、權值和激勵函數共同決定。因此，神經網絡可以理解為對某種算法、函數的逼近擬合或者是對一類邏輯關系的表達。BP神經網絡由于其結構簡單、可調參數較多、訓練算法較多、可操作性好而廣泛應用(圖1、圖2)。

圖1 三層BP神經網絡結構

圖2 神經元結構模型

用ANN進行橋梁運行狀態預警的基本原理如下：將撓度傳感器監測的撓度數據作為ANN的輸入量，它的輸出量為橋梁運行狀態(以0表示報警，以1表示正常)。首先，神經網絡要經過訓練學習，用以往監測數據作為測試樣本對神經網絡進行訓練，這樣就將樣本庫的知識以網絡的形式存儲在神經網絡的連接權中，當結構承載能力發生變化導致結構撓度測試結果出現異常狀態時，將此模式輸入到已訓練好的神經網絡中，通過分析，得出診斷結果。

2 工程概況

某橋為跨徑布置(65+126+65) m的預應力混凝土連續箱梁，為研究結構下撓機理，該橋安裝了基于連通管法的結構撓度長期監測系統，分別提取中跨、邊跨L/2測點撓度時程曲線數據作為樣本空間。

3 人工神經網絡方法預警實例

按照融合的監測數據(樣本空間)的不同，預警模式分為一級預警和二級預警兩級。待融合關鍵測點設置見表1。

表1 待融合關鍵測點

3.1 一級預警

一級預警即日常預警，以前三天每天凌晨固定時刻的數據進行融合，生成神經網絡樣本空間，訓練測試神經網絡，對當天測試值進行預警，預警頻率為每天一次。

將融合測點監測撓度作為神經網絡輸入，將結構狀態作為輸出。采用S形函數 (Logistic function) 作為激活函數，該函數值域為[0,1]，能夠以0，1表示結構運行狀態。網絡參數設置為：訓練次數1 000次，訓練目標1e-6，學習效率為0.1。神經網絡輸出結構狀態位置，當輸出為1時，結構運行狀態良好；當輸出為0時，結構異常報警。

樣本空間為P0[360×16]；訓練樣本中，正常值樣本為P1[270×16]，報警值樣本為P2[30×16]；測試樣本中，正常值樣本為P_1test[50×16]，報警值樣本為P_2test[10×16]。訓練樣本空間部分數據如表2所示。

表2 神經網絡訓練樣本空間部分數據 mm

3.2 二級預警

二級預警即實時預警，以過去一年的數據進行融合，生成神經網絡樣本空間，訓練測試神經網絡，對實時測試值進行預警，預警頻率為每分鐘一次。

在生成神經網絡訓練樣本時，需要有正常值與報警值，正常值選擇過去一年中部分實測撓度值作為樣本，報警值則按照前文提出的實時監測閾值(各融合測點年度最大撓度)的隨機倍數(1～2)來生成。其中，樣本空間為P0[415×16]；訓練樣本中，正常值樣本為P1[270×16]，報警值樣本為P2[30×16]；測試樣本中，正常值樣本為P_1test[50×16]，報警值樣本為P_2test[10×16]。訓練樣本與測試樣本均從樣本空間選取，訓練樣本與測試樣本不重復選取。

生成樣本空間，待神經網絡訓練完成后，得到兩級預警報警結果(圖3、圖4)。

圖3 一級預警報警測試結果

圖4 二級預警報警測試結果

生成樣本空間，待神經網絡訓練完成以后，進行兩級預警，一級預警選用前3 d的實測數據，來對后一天數據進行預警，當后一天實測數據明顯突變時，預警機制能夠發現并給出預警結果。由于短時間內實測數據不會有很大差別，因此，一級預警具有較高精度，二級預警預測模型具有更好的穩定性。一級預警預測結果穩定性略差，但是也能夠實現異常值報警。

4 結論

(1) 用人工神經網絡方法進行結構下撓進行兩級預警，能夠實現日常預警與年度預警；

(2) 為保證預警的準確性，宜融合多個關鍵點的監測數據，增強樣本空間的多樣性；

(3) 后續可考慮融合結構應力、支座位移等參數，進一步完善結構運營狀態報警體系。

[1] 周雨. 大跨徑PC梁橋長期下撓及其對策分析[D]. 重慶: 重慶交通大學, 2013.

[2] 賀拴海, 李源, 任偉, 等. 大跨連續剛構橋長期撓度實測分析及預測[J]. 武漢理工大學學報, 2014, 36(4):35 -38.

[3] 胡俊亮. 鋼管混凝土拱-連續梁組合體系橋梁損傷識別研究[D].廣州: 華南理工大學, 2014.