【摘要】： 桥梁安全评估是桥梁管养重要的手段之一。目前,可靠度理论以其精确、直观等优点得到了广泛应用。在可靠度求解的众多方法中,基于专家经验的蒙特卡罗法应用最为普遍,但其存在效率低,适应性差、过度依靠专家经验等缺陷。在利用蒙特卡罗法完成国家公关项目“桥梁远程监测及可靠度评估”过程中,该方法得到了较精确的结果,但同时其弊端也很突出。为了更加广泛的工程应用,必须提高可靠度评估的效率。随着智能算法如神经网络、遗传算法等的发展,利用智能算法建立桥梁可靠度模型成为可能。 本文围绕智能算法应用于桥梁可靠度评估课题完成了以下相关工作: 1.建立基于BP神经网络的桥梁可靠度评估模型。对大跨度复杂结构桥梁中不必构建繁琐的极限状态方程,只需在关键位置布置传感器监测重要参数,就可以运行模型来反映桥梁可靠度情况;同时,在评估过程中可根据桥梁寿命的发展再次启动网络学习,以实现符合桥梁寿命发展的可靠度评估模型建立和动态评估的效果;针对不同桥型结构受力的特点,调整BP神经网络的输入层和隐层就可以在不同的桥梁结构中进行可靠度评估,具有一定的通用型。 2.建立基于实数编码遗传算法优化BP神经网络(GA-BP)桥梁可靠度评估模型。利用遗传算法的容错性、全局最优等特点优化BP神经网络克服BP神经网络易陷入局部最优、初始权值对收敛速度影响大等缺陷。同时,由于传统基于二进制编码的遗传算法使得样本信息出现跳跃,导致优化结果出现较大误差,所以模型中采用了实数编码。从而更精确反映桥梁可靠度。 3.采用PowerBuilder和SQL Server开发了基于专家经验的蒙特卡罗法桥梁可靠度评估系统。此系统为基于实数编码的遗传算法优化BP神经网络(GA-BP)构建桥梁可靠度评估模型进行工程化应用,提供了可以借鉴的设计思想和技术手段,为论文工作下一步研究及工程应用提供了有利保障。 论文最后用马桑溪大桥的监测数据为样本应用上述模型分别进行实验并分析结果。实验表明两种新评估方法在效率上比蒙特卡罗法有很大的提高,在精度上能满足桥梁可靠度评估工程化应用的要求;基于实数编码的遗传算法优化BP神经网络(GA-BP)构建桥梁可靠度评估模型在学习精度上优于BP神经网络构建桥梁可靠度评估模型。在一定程度上解决了传统可靠度评估方法的缺点,为广泛的工程应用提供了有价值的模型。 【关键词】：可靠度 蒙特卡罗法 BP神经网络 遗传算法 桥梁
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：U441
【DOI】：CNKI:CDMD:2.2007.180546
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 绪论9-13
• 1.1 课题背景与意义9-10
• 1.1.1 桥梁安全可靠度评估的重要性9-10
• 1.1.2 智能计算方法对桥梁安全可靠度评估的意义10
• 1.1.3 本课题来源10
• 1.2 国内外研究现状及存在的问题10-11
• 1.2.1 国内外的研究现状10-11
• 1.2.2 目前研究工作中存在的问题11
• 1.3 论文工作的主要内容11-13
• 2 可靠度理论及其计算方法13-18
• 2.1 桥梁安全评估理论13
• 2.2 可靠度理论分析的基本理论13-15
• 2.2.1 结构可靠度与极限状态13-14
• 2.2.2 失效概率14
• 2.2.3 可靠度指标14-15
• 2.3 可靠度计算方法15-17
• 2.3.1 结构点可靠度计算方法15-16
• 2.3.2 结构体系可靠度分析方法16-17
• 2.3.3 目前可靠度计算特点及发展17
• 2.4 本章小结17-18
• 3 智能计算理论及应用模型18-24
• 3.1 智能计算理论18
• 3.2 人工神经网络理论及计算模型18-20
• 3.2.1 神经网络理论18-19
• 3.2.2 神经网络计算模型19
• 3.2.3 BP 神经网络19
• 3.2.4 人工神经网络应用19-20
• 3.3 遗传算法20-22
• 3.3.1 遗传算法理论及计算模型20-21
• 3.3.2 遗传算法应用21-22
• 3.4 神经网络与遗传算法的结合22-23
• 3.5 智能计算在工程领域的实践23
• 3.6 本章小结23-24
• 4 基于遗传算法-神经网络的桥梁安全可靠度评估24-52
• 4.1 桥梁结构健康监测24-25
• 4.2 基于蒙特卡罗法、PENT 法的桥梁安全可靠度评估25-28
• 4.2.1 截面可靠度的计算25
• 4.2.2 截面弯矩功能函数25
• 4.2.3 截面抗力计算25-26
• 4.2.4 恒载截面弯矩计算26-27
• 4.2.5 由监测数据反算的截面弯矩计算27
• 4.2.6 体系可靠度计算27-28
• 4.2.7 蒙特卡罗法28
• 4.3 基于人工神经网络的桥梁可靠度评估模型28-30
• 4.3.1 kolmogorov 多层神经网络映射存在定理29
• 4.3.2 BP 神经网络及设计29-30
• 4.4 遗传算法优化神经网络30-33
• 4.4.1 实数编码方式31-32
• 4.4.2 适应度函数设计32
• 4.4.3 初始化种群32
• 4.4.4 遗传算子32-33
• 4.5 基于实数编码GA－BP 神经网络的马桑溪大桥结构可靠度分析33-34
• 4.5.1 BP 神经网络结构设计33
• 4.5.2 遗传算法优化BP 神经网络33-34
• 4.6 基于桥梁可靠度指标自然发展的动态模型34
• 4.7 实验设计34-50
• 4.7.1 马桑溪长江大桥基本资料34-35
• 4.7.2 斜拉桥失效模式分析35-36
• 4.7.3 基于马桑溪大桥监测数据的ANN 学习测试样本的构造36-42
• 4.7.4 实验过程42-50
• 4.8 实验结果评价及分析50-51
• 4.9 本章小结51-52
• 5 桥梁远程监测及评估系统52-60
• 5.1 桥梁远程监测及评估的意义及市场需求52
• 5.2 系统设计52-59
• 5.2.1 系统架构52-53
• 5.2.2 系统关键问题及解决方法53-55
• 5.2.3 系统技术路线55
• 5.2.4 系统功能55-59
• 5.3 可靠度评估系统应用状况及发展59
• 5.4 本章小结59-60
• 6 结论及发展60-63
• 6.1 论文总结60-61
• 6.1.1 论文研究内容的特点60
• 6.1.2 论文研究所完成的工作60-61
• 6.1.3 论文研究的工程应用价值61
• 6.2 论文研究内容未来需进一步发展的方向61-62
• 6.3 本章小结62-63
• 致谢63-64
• 参考文献64-67
• 附录 作者在攻读硕士学位期间的其它工作67