基于BP神經(jīng)網(wǎng)絡(luò)的橋梁移動(dòng)荷載識(shí)別精度

趙 煜， 李冉冉， 周勇軍， 田瑞欣

(1.長(zhǎng)安大學(xué)公路學(xué)院， 西安 710064； 2.長(zhǎng)安大學(xué)公路大型結(jié)構(gòu)安全教育部工程研究中心， 西安 710064)

隨著經(jīng)濟(jì)社會(huì)的不斷發(fā)展，橋梁上行駛車(chē)輛的重量、數(shù)量在不斷增加，導(dǎo)致中國(guó)現(xiàn)有諸多在役橋梁未達(dá)到設(shè)計(jì)壽命就提前結(jié)束服役，車(chē)輛的超載是重要原因之一。因此從橋梁管養(yǎng)角度出發(fā)，迫切需要對(duì)橋梁上的車(chē)輛負(fù)載進(jìn)行監(jiān)測(cè)，從而保證橋梁的正常使用[1-2]。

確定移動(dòng)荷載的方法可分為直接法和間接法。直接法是直接測(cè)量出荷載大小或測(cè)量與荷載有關(guān)的參數(shù)進(jìn)而換算出荷載的大小，然而移動(dòng)荷載測(cè)試設(shè)備高昂的安裝和維修保養(yǎng)費(fèi)用大大增加了橋梁的建設(shè)成本。對(duì)于工程結(jié)構(gòu)，比較容易獲取的是結(jié)構(gòu)的動(dòng)態(tài)響應(yīng)，因此一些學(xué)者提出基于結(jié)構(gòu)實(shí)測(cè)響應(yīng)反算荷載的間接識(shí)別方法，即荷載識(shí)別技術(shù)。荷載識(shí)別是通過(guò)測(cè)量結(jié)構(gòu)的響應(yīng)(應(yīng)變、位移、速度、加速度等)，根據(jù)已知結(jié)構(gòu)動(dòng)態(tài)特性來(lái)識(shí)別作用在結(jié)構(gòu)上的荷載。韓萬(wàn)水等[3]提出了基于有限元模型修正的單車(chē)通過(guò)多梁式橋梁的移動(dòng)荷載識(shí)別方法。王寧波等[4-5]根據(jù)橋梁動(dòng)應(yīng)變曲線峰值點(diǎn)識(shí)別車(chē)輛行駛速度、軸數(shù)、軸距，并用影響線擬合動(dòng)應(yīng)變響應(yīng)來(lái)識(shí)別車(chē)輛各軸軸重。錢(qián)長(zhǎng)照等[6]利用影響線建立移動(dòng)荷載與彎矩之間的關(guān)系，提出了一種利用彎矩影響線進(jìn)行移動(dòng)荷載識(shí)別的方法。鄒譚[7]基于剪切應(yīng)變影響線提出了識(shí)別單一車(chē)輛荷載的新方法,根據(jù)剪切應(yīng)變影響線的特征不僅能識(shí)別車(chē)輛軸重和總重,還能識(shí)別車(chē)速和軸距。左小晗[8]對(duì)多車(chē)過(guò)橋荷載識(shí)別問(wèn)題進(jìn)行了研究，將多車(chē)問(wèn)題轉(zhuǎn)化成單車(chē)問(wèn)題加以解決。Fitzgerald等[9]基于正則化技巧，準(zhǔn)確地計(jì)算出了車(chē)輛軸載。Chen等[10]開(kāi)發(fā)了一種預(yù)處理最小二乘分解法，可以減少未知噪聲引起的識(shí)別誤差，并在簡(jiǎn)支梁上驗(yàn)證了該算法的有效性和適用性。

近年來(lái)，一些學(xué)者將人工神經(jīng)網(wǎng)絡(luò)方法用于移動(dòng)荷載的識(shí)別。誤差反向傳播(back propagation, BP)神經(jīng)網(wǎng)絡(luò)是一種常用的神經(jīng)網(wǎng)絡(luò)，具有多輸入和多輸出的計(jì)算特點(diǎn)，BP 神經(jīng)網(wǎng)絡(luò)可在一定程度上解決不適應(yīng)導(dǎo)致的求解困難問(wèn)題。根據(jù)橋梁的撓度、應(yīng)變等響應(yīng)識(shí)別橋梁動(dòng)載已有很多學(xué)者對(duì)此進(jìn)行研究，并取得了一些成果。李忠獻(xiàn)等[11]基于BP神經(jīng)網(wǎng)絡(luò)，提出了一種分階段識(shí)別橋上移動(dòng)荷載的新方法，分步識(shí)別了車(chē)輛的位置、速度和荷載；結(jié)果表明：所提出的方法能夠?qū)崟r(shí)地識(shí)別橋上移動(dòng)車(chē)輛荷載，且具有識(shí)別精度高、收斂速度快的優(yōu)點(diǎn)。楊慧等[12]利用BP神經(jīng)網(wǎng)絡(luò)以及橋梁動(dòng)應(yīng)變響應(yīng)對(duì)車(chē)輛的位置、速度和大小進(jìn)行了識(shí)別，通過(guò)模型試驗(yàn)驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)用于橋上車(chē)輛荷載識(shí)別的可行性。陶興旺等[13]采用斜拉橋?qū)嶋H運(yùn)營(yíng)狀態(tài)下的監(jiān)測(cè)響應(yīng) ( 索力和應(yīng)變)組成網(wǎng)絡(luò)的輸入向量，對(duì)通過(guò)斜拉橋的重車(chē)荷載識(shí)別進(jìn)行了探討。陳修輝等[14]提出了一種基于分層菌王覓食算法(HKBFO)的橋梁動(dòng)載識(shí)別方法，該方法提高了BP神經(jīng)網(wǎng)絡(luò)對(duì)橋梁動(dòng)載識(shí)別的效果。

由上述可知，將神經(jīng)網(wǎng)絡(luò)用于移動(dòng)荷載識(shí)別時(shí)需要確定有效的網(wǎng)絡(luò)輸入?yún)?shù)、輸出參數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)以及算法等，這些參數(shù)對(duì)識(shí)別的準(zhǔn)確性和穩(wěn)定性均有重要影響。目前大多數(shù)學(xué)者集中于網(wǎng)絡(luò)結(jié)構(gòu)及算法的研究，對(duì)輸入?yún)?shù)的相關(guān)研究較少，且存在一些輸入?yún)?shù)不便獲取和單參數(shù)輸入無(wú)法得到理想結(jié)果的問(wèn)題。現(xiàn)采用BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行橋梁移動(dòng)荷載大小的識(shí)別，以識(shí)別精度為量化指標(biāo)分析了位移、速度、加速度單輸入?yún)?shù)的敏感性。同時(shí)針對(duì)單參數(shù)輸入識(shí)別過(guò)程中不穩(wěn)定和識(shí)別精度不高的問(wèn)題，基于BP神經(jīng)網(wǎng)絡(luò)多輸入多輸出的特點(diǎn)，提出了多參數(shù)優(yōu)化設(shè)計(jì)來(lái)提高網(wǎng)絡(luò)的收斂速度和精度。最后通過(guò)實(shí)橋試驗(yàn)驗(yàn)證了該BP神經(jīng)網(wǎng)絡(luò)識(shí)別移動(dòng)荷載的實(shí)用性和準(zhǔn)確性。相關(guān)研究成果一方面可以為智能交通運(yùn)輸提供參考，另一方面可為橋梁全壽命周期的管養(yǎng)提供數(shù)據(jù)支持。

1 移動(dòng)荷載識(shí)別理論

以簡(jiǎn)化的Bernoulli-Euler梁為例，其跨度為L(zhǎng)，橋梁?jiǎn)挝婚L(zhǎng)度質(zhì)量為m，抗彎剛度為EI，橋梁阻尼取黏性阻尼c，忽略橋梁的剪切變形和轉(zhuǎn)動(dòng)慣量。車(chē)輛模型簡(jiǎn)化為一移動(dòng)集中力，大小為P(t)，車(chē)輛移動(dòng)速度v視為勻速，從橋梁一端向另一端行駛(此處假定為從左向右單向行駛)，如圖1所示。

系統(tǒng)運(yùn)動(dòng)方程可寫(xiě)為

δ(x-vt)P(t)

(1)

(2)

(3)

記為

y=sq

(4)

通過(guò)速度識(shí)別可得y，運(yùn)用最小平方法求解式(4)可解得橋梁的位移模態(tài)，即

q=(sTs)-1sTy

(5)

同理可解出模態(tài)下的加速度和速度。

將式(2)代入式(1)，方程兩邊同時(shí)除以m可得

n=1,2,3,…

(6)

式(6)等號(hào)雙邊同時(shí)倍增φj，并將x從0～L進(jìn)行積分，可得

n=1,2,3,…;j=1,2，3,…

(7)

由振型正交性原理應(yīng)用式(7)模態(tài)響應(yīng)等式

n=1,2,3,…

(8)

式(8)中：

為第m個(gè)荷載和第一個(gè)荷載相隔的距離。

式(8)可化簡(jiǎn)為

(9)

移動(dòng)荷載P可以通過(guò)最小平方法原理求得

(10)

2 基于BP神經(jīng)網(wǎng)絡(luò)的移動(dòng)荷載識(shí)別

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

基本的BP神經(jīng)網(wǎng)絡(luò)如圖2所示，由輸入層、隱含層和輸出層等基本結(jié)構(gòu)組成，是一種非線性映射關(guān)系。圖2中有n個(gè)輸入節(jié)點(diǎn)，m個(gè)輸出節(jié)點(diǎn)，網(wǎng)絡(luò)的隱含層有若干個(gè)神經(jīng)元結(jié)構(gòu)。其中，x1，x2，…，xn為網(wǎng)絡(luò)的實(shí)際輸入，y1，y2，…，ym為網(wǎng)絡(luò)的實(shí)際輸出，tk(k=1，2，…，L)為網(wǎng)絡(luò)的目標(biāo)輸出，ek(k=1，2，…，L)為網(wǎng)絡(luò)的輸出誤差。BP神經(jīng)網(wǎng)絡(luò)的每一層權(quán)值都可以通過(guò)學(xué)習(xí)調(diào)節(jié)。

圖2 BP神經(jīng)網(wǎng)絡(luò)模型Fig.2 BP neural network model

BP算法的基本原理較為簡(jiǎn)單，采用的是梯度最快下降法，即通過(guò)大量的樣本訓(xùn)練，不斷地調(diào)整網(wǎng)絡(luò)中隱含層的連接權(quán)值，通過(guò)不斷的使實(shí)際輸出逼近期望輸出，來(lái)使整體網(wǎng)絡(luò)系統(tǒng)的總誤差最小。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行荷載識(shí)別的方法

利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行荷載識(shí)別時(shí)，首先需要根據(jù)橋梁在不同狀態(tài)(不同的車(chē)輛速度，不同車(chē)輛位置和不同軸重)的反應(yīng)，通過(guò)特征提取，選擇對(duì)荷載識(shí)別參數(shù)較敏感的信號(hào)作為輸入向量，橋上移動(dòng)車(chē)載的識(shí)別參數(shù)作為輸出，獲取數(shù)據(jù)樣本并去除噪聲從而獲得盡量逼真的原始數(shù)據(jù)。在原始樣本的基礎(chǔ)上，進(jìn)行適當(dāng)變換，得到適合神經(jīng)網(wǎng)絡(luò)識(shí)別的樣本的表達(dá)式。以上兩步構(gòu)成神經(jīng)網(wǎng)絡(luò)識(shí)別中的預(yù)處理過(guò)程。然后選擇適當(dāng)?shù)木W(wǎng)絡(luò)結(jié)構(gòu)并采用適當(dāng)?shù)膶W(xué)習(xí)算法，用已知樣本作為訓(xùn)練集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其網(wǎng)絡(luò)連接的權(quán)值不斷調(diào)整，直到網(wǎng)絡(luò)的輸出特性與期望的相符合。識(shí)別步驟如圖3所示。

實(shí)際工程中，橋梁響應(yīng)通過(guò)健康監(jiān)測(cè)系統(tǒng)數(shù)據(jù)采集系統(tǒng)得到，實(shí)測(cè)數(shù)據(jù)包含著各種因素，如環(huán)境噪聲、結(jié)構(gòu)自身振動(dòng)噪聲等，需要人為的進(jìn)行處理，去除噪聲，以避免一些微小的因素影響網(wǎng)絡(luò)的識(shí)別精度。而本文僅作數(shù)值理論分析，橋梁響應(yīng)是通過(guò)計(jì)算機(jī)仿真計(jì)算獲得的并且都是理想狀態(tài)下的數(shù)據(jù)，所以不需要進(jìn)行常規(guī)處理。

3 仿真分析模型

利用神經(jīng)網(wǎng)絡(luò)法進(jìn)行荷載識(shí)別最重要的是確定輸入?yún)?shù)和輸出參數(shù)，如果輸出信號(hào)對(duì)輸入不敏感，網(wǎng)絡(luò)的逼近能力就很差，很有可能達(dá)不到要求。以一個(gè)跨徑為30 m的裝配式簡(jiǎn)支梁上作用移動(dòng)荷載為研究背景，通過(guò)數(shù)值仿真分析獲取移動(dòng)荷載通過(guò)橋梁時(shí)的動(dòng)態(tài)響應(yīng)，理論上分析不同的輸入?yún)?shù)對(duì)移動(dòng)荷載大小識(shí)別精度的影響。

橋梁總寬15 m，單片梁寬2.5 m、高2 m，共6片T形梁，材料為C50混凝土。T形梁橫截面如圖4所示。利用ANSYS參數(shù)化語(yǔ)言建立簡(jiǎn)支T形梁的梁格模型，主梁和虛擬橫梁均采用beam188單元模擬，采用自由網(wǎng)格劃分，確保網(wǎng)格大小符合計(jì)算精度。鑒于工程中更加關(guān)注車(chē)輛總體的重量，這里將車(chē)輛簡(jiǎn)化為一移動(dòng)集中力，利用ANSYA動(dòng)力瞬態(tài)分析方法求解動(dòng)力響應(yīng)。ANSYS有限元模型如圖5所示。

圖5 ANSYS有限元模型Fig.5 ANSYS finite element model

4 單輸入?yún)?shù)敏感性分析

假定上述簡(jiǎn)支梁橋上作用單個(gè)時(shí)變移動(dòng)荷載P=200 kN×(1+0.25sin2πt)(隨時(shí)間規(guī)律變化的荷載)，由于汽車(chē)受到路面不平的激勵(lì)后以車(chē)的固有頻率發(fā)生振動(dòng)而通過(guò)橋梁時(shí), 汽車(chē)的慣性力是一種簡(jiǎn)諧力, 所以討論這種移動(dòng)的簡(jiǎn)諧力所引起的強(qiáng)迫振動(dòng)是很有意義的。同時(shí)為了使得網(wǎng)絡(luò)的函數(shù)映射關(guān)系更加簡(jiǎn)單從而實(shí)現(xiàn)較高的識(shí)別精度，這里將移動(dòng)的行駛速度和位置固定來(lái)剔除這兩個(gè)因素的影響，即假定移動(dòng)荷載以v=20 km/h速度勻速行駛于1#梁上。通過(guò) ANSYS仿真分析分別得到移動(dòng)荷載作用下1#梁跨中位移、速度和加速度時(shí)程曲線如圖6所示，數(shù)據(jù)采集時(shí)間為5.9 s，時(shí)間步長(zhǎng)Δt=0.02 s，每組樣本采集322個(gè)樣本數(shù)據(jù)點(diǎn)，以此數(shù)據(jù)作為輸入?yún)?shù)，移動(dòng)荷載的大小作為輸出參數(shù)，通過(guò)MATLAB構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練。

圖6 時(shí)程曲線Fig.6 Time history curve

將時(shí)變荷載作用下1#梁跨中位移、速度和加速度響應(yīng)數(shù)據(jù)代入學(xué)習(xí)訓(xùn)練成功的BP網(wǎng)絡(luò)中，利用BP神經(jīng)網(wǎng)絡(luò)的高度非線性逼近能力實(shí)現(xiàn)荷載的大小識(shí)別，最終將移動(dòng)荷載的大小作為輸出參數(shù)輸出。圖7為跨中截面時(shí)變荷載識(shí)別結(jié)果。

圖7 單參數(shù)輸入荷載識(shí)別結(jié)果Fig.7 Load identification results of different input parameters

由圖7可以看出，位移輸入時(shí)3～4 s內(nèi)識(shí)別荷載與真實(shí)荷載偏差較大，識(shí)別過(guò)程出現(xiàn)局部振蕩現(xiàn)象。速度輸入識(shí)別效果要優(yōu)于位移輸入識(shí)別效果，整體上識(shí)別荷載貼近真實(shí)荷載，但局部仍然存在微小偏差狀況。加速度輸入識(shí)別效果優(yōu)于位移輸入和速度輸入識(shí)別效果，識(shí)別荷載更加貼近真實(shí)荷載，但局部仍然存在識(shí)別荷載曲線不光滑狀況。

為了評(píng)價(jià)BP神經(jīng)網(wǎng)絡(luò)識(shí)別的精度，衡量識(shí)別參數(shù)與真實(shí)參數(shù)之間的差距，現(xiàn)引入為相關(guān)系數(shù)R的概念，R越接近于1表示相關(guān)程度越高，其計(jì)算公式為

(11)

將1#梁跨中位移、速度和加速度3種移動(dòng)荷載動(dòng)態(tài)參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)進(jìn)行敏感性分析，分析結(jié)果如表1所示。

表1 單輸入?yún)?shù)敏感性分析結(jié)果

通過(guò)表1可以看出，選擇相同的采樣時(shí)間和采樣數(shù)量進(jìn)行BP神經(jīng)網(wǎng)絡(luò)識(shí)別，其中加速度的訓(xùn)練步數(shù)最長(zhǎng)，約為位移和速度的兩倍，位移和速度的訓(xùn)練步數(shù)接近。加速度的相關(guān)系數(shù)最大，為 0.946 62，表明加速度的識(shí)別精度要優(yōu)于速度和位移的識(shí)別精度，這與識(shí)別結(jié)果圖相吻合。

在實(shí)際工程中，橋梁的加速度時(shí)程曲線更容易獲取，故建議在實(shí)際工程中采用加速度輸入?yún)?shù)進(jìn)行荷載識(shí)別。由識(shí)別結(jié)果圖可以看出，盡管加速度識(shí)別已經(jīng)達(dá)到較好的識(shí)別效果，但仍然存在局部擬合偏差、識(shí)別曲線不光滑等問(wèn)題，故論文基于輸入?yún)?shù)敏感性分析，提出多輸入?yún)?shù)優(yōu)化設(shè)計(jì)來(lái)完善識(shí)別過(guò)程、提高識(shí)別精度。

5 多輸入?yún)?shù)敏感性分析

BP神經(jīng)網(wǎng)絡(luò)多參數(shù)輸入的優(yōu)點(diǎn)是當(dāng)網(wǎng)絡(luò)數(shù)據(jù)存在部分異常以及缺失時(shí)，可以依靠多輸入的對(duì)應(yīng)關(guān)系給予優(yōu)化彌補(bǔ)。這里分為位移和速度輸入優(yōu)化、位移和加速度輸入優(yōu)化、速度和加速度輸入優(yōu)化兩兩組合的工況以及位移、速度和加速度三者組合的工況進(jìn)行輸入?yún)?shù)的優(yōu)化設(shè)計(jì)。

選取1#梁跨中時(shí)程曲線數(shù)據(jù)作為輸入?yún)?shù)構(gòu)建訓(xùn)練樣本，采樣時(shí)間和采樣數(shù)量均與單參數(shù)保持一致，即數(shù)據(jù)采集時(shí)間為5.9 s，時(shí)間間隔設(shè)為0.02 s，每組樣本采集322個(gè)數(shù)據(jù)點(diǎn)。基于 MATLAB 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，利用BP神經(jīng)網(wǎng)絡(luò)的高度非線性逼近能力實(shí)現(xiàn)時(shí)變荷載的大小識(shí)別，并通過(guò)相關(guān)誤差判斷識(shí)別精度，圖8所示為跨中截面時(shí)變荷載識(shí)別結(jié)果。

將圖8與圖7進(jìn)行對(duì)比可以看出，多參數(shù)組合輸入一定程度上可以提高識(shí)別精度，優(yōu)化識(shí)別過(guò)程，使識(shí)別荷載進(jìn)一步逼近真實(shí)載荷，同時(shí)可以提高識(shí)別過(guò)程中的穩(wěn)定性。具體來(lái)看，位移和速度輸入得到的識(shí)別荷載與實(shí)際荷載曲線整體上較為接近，僅局部存在微小偏差，識(shí)別效果遠(yuǎn)優(yōu)于位移單參數(shù)輸入。位移和加速度輸入識(shí)別彌補(bǔ)了位移輸入識(shí)別局部偏差較大的不足，同時(shí)改善了加速度識(shí)別曲線不光滑的現(xiàn)象。速度和加速度輸入識(shí)別曲線非常接近真實(shí)載荷的曲線，且曲線光滑無(wú)局部偏差峰值，可以明顯地減小局部振蕩現(xiàn)象的產(chǎn)生。將位移、速度和加速度三參數(shù)組合輸入得到的識(shí)別曲線出現(xiàn)鋸齒狀，雖然整體較為貼近真實(shí)載荷，但曲線光滑度降低，表明識(shí)別效果有所下降。多參數(shù)輸入識(shí)別結(jié)果總結(jié)如表2所示。

圖8 多參數(shù)輸入時(shí)變荷載識(shí)別結(jié)果Fig.8 Time varying load identification results with multi-parameter input

通過(guò)表2可以看出，采樣數(shù)量和訓(xùn)練步數(shù)與相關(guān)系數(shù)并無(wú)線性關(guān)系，而是與輸入?yún)?shù)緊密相關(guān)。速度和加速度組合輸入得到的識(shí)別荷載與真實(shí)荷載的相關(guān)系數(shù)為0.970 95，是4種參數(shù)組合中識(shí)別過(guò)程最穩(wěn)定、識(shí)別精度最高的組合，可以實(shí)現(xiàn)優(yōu)異的識(shí)別效果。

表2 多參數(shù)輸入敏感性分析結(jié)果

6 工程實(shí)例分析

6.1 工程簡(jiǎn)介

椒江北樞紐主線橋全長(zhǎng)2 727 m，全橋共29聯(lián)，試驗(yàn)選取第1聯(lián)(4×30 m)第2、4跨進(jìn)行荷載試驗(yàn)。橋?qū)?6.25 m，凈寬15.25 m，橫橋向共布置7片梁。試驗(yàn)截面為第4跨跨中處Ⅰ-Ⅰ截面、第2跨距2#墩2 m處Ⅱ-Ⅱ截面、第2跨跨中處Ⅲ-Ⅲ截面，如圖9所示。在試驗(yàn)截面左右兩側(cè)分別布設(shè)加速傳感器，傳感器型號(hào)為941-B型拾振器，其測(cè)點(diǎn)布置如圖10所示。

圖9 橋梁測(cè)試截面布置示意圖Fig.9 Layout of bridge test section

圖10 加速度傳感器測(cè)點(diǎn)橫橋向布置示意圖Fig.10 Layout of acceleration measuring points

6.2 移動(dòng)荷載識(shí)別

首先建立有限元模型并對(duì)模型進(jìn)行修正[15]，通過(guò)大量數(shù)值仿真分析數(shù)據(jù)組建和訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。設(shè)置8種模擬工況，采用383 kN和376 kN的加載車(chē)分別以20、30、40、50 km/h，4種不同的速度等級(jí)通過(guò)橋梁，總計(jì)8組，共計(jì)12 864個(gè)數(shù)據(jù)樣本點(diǎn)，將多種工況下的橋梁動(dòng)態(tài)加速度時(shí)程數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入樣本進(jìn)行訓(xùn)練。

然后，依托上述預(yù)應(yīng)力混凝土連續(xù)T形梁橋荷載試驗(yàn)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證性分析。實(shí)橋動(dòng)載試驗(yàn)過(guò)程中，使一輛373 kN(試驗(yàn)前通過(guò)稱重獲知其前軸重62 kN，兩后軸合計(jì)重311 kN，車(chē)型如圖11所示)加載車(chē)以勻速30 km/h的速度沿著橋梁外側(cè)車(chē)道行駛，獲得I-I截面7#梁處的豎向加速度時(shí)程數(shù)據(jù)。為了濾除噪聲對(duì)測(cè)試結(jié)果的影響，這里利用計(jì)算機(jī)對(duì)所得信號(hào)波形進(jìn)行處理，處理后的加速度時(shí)程曲線如圖12所示。

圖11 試驗(yàn)用標(biāo)準(zhǔn)車(chē)車(chē)型Fig.11 Standard vehicle type for test

圖12 Ⅰ-Ⅰ截面加速度時(shí)程曲線Fig.12 Acceleration time history curve

將實(shí)測(cè)加速度數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，車(chē)輛的前、后軸重作為輸出參數(shù)進(jìn)行軸重識(shí)別驗(yàn)證分析。這樣一方面可以保證BP神經(jīng)網(wǎng)絡(luò)的識(shí)別精度，另一方面可以得到更為準(zhǔn)確的車(chē)輛軸載信息。試驗(yàn)獲取7#梁共2 000個(gè)加速度時(shí)程數(shù)據(jù)點(diǎn)，前、后軸重識(shí)別結(jié)果如圖13所示。經(jīng)計(jì)算得，前、后軸重識(shí)別相關(guān)系數(shù)分別為0.925 6和0.944 7。

圖13 前、后軸載重識(shí)別結(jié)果Fig.13 Identification results of front and rear axle weight

由上可知，采用實(shí)測(cè)的豎向加速度時(shí)程數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，其前、后軸重的識(shí)別整體上具有較為滿意的效果，識(shí)別荷載曲線與真實(shí)荷載曲線接近，表明了基于實(shí)橋的加速度時(shí)程數(shù)據(jù)也具有良好的載重識(shí)別效果，驗(yàn)證了該BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)用于簡(jiǎn)單的實(shí)橋載荷識(shí)別的可行性。

7 結(jié)論

(1)針對(duì)同一BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，不同的輸入?yún)?shù)得到的識(shí)別結(jié)果是不同的，采用加速度作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)可以提高識(shí)別精度，提升識(shí)別過(guò)程的穩(wěn)定性；采用位移作為輸入?yún)?shù)可能會(huì)出現(xiàn)局部振蕩、與實(shí)際荷載偏差較大的現(xiàn)象。

(2)提出了多參數(shù)輸入優(yōu)化設(shè)計(jì)，通過(guò)位移、速度、加速度兩兩組合以及三者組合的輸入方式進(jìn)行識(shí)別對(duì)比發(fā)現(xiàn)，速度和加速度兩者組合作為輸入?yún)?shù)具有較為理想的識(shí)別效果，是多種參數(shù)組合中識(shí)別精度最高的一組參數(shù)組合；多參數(shù)輸入優(yōu)化設(shè)計(jì)可以改善神經(jīng)網(wǎng)絡(luò)的識(shí)別過(guò)程，提高整體和局部的識(shí)別效果。

(3)以某4跨預(yù)應(yīng)力混凝土連續(xù)T梁橋工程為背景，完成了實(shí)橋載重識(shí)別的驗(yàn)證分析，結(jié)果表明該BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可用于簡(jiǎn)單的實(shí)橋載荷識(shí)別。

(4)研究了針對(duì)單一荷載的識(shí)別方法和識(shí)別精度問(wèn)題，可為后續(xù)多個(gè)移動(dòng)荷載的識(shí)別奠定理論基礎(chǔ)，未來(lái)可進(jìn)一步研究多車(chē)輛多種行駛狀況下的移動(dòng)荷載識(shí)別問(wèn)題。