多層變權(quán)人工神經(jīng)網(wǎng)絡(luò)智能評估方法研究

劉 石

(吉林建筑大學(xué)土木學(xué)院，吉林 長春 130000)

1 概述

重大建構(gòu)筑物通常結(jié)構(gòu)復(fù)雜，構(gòu)件數(shù)量大。構(gòu)件不同程度損傷甚至退出工作會因其類型、部位和功能不同，對結(jié)構(gòu)安全產(chǎn)生復(fù)雜影響，若利用人工神經(jīng)網(wǎng)絡(luò)的模糊判定能力可實現(xiàn)智能評估。實際監(jiān)測中，可收集數(shù)據(jù)的類型是有限的，對底層數(shù)據(jù)利用層次分析法進行剝離和關(guān)聯(lián)，無量綱處理，建立緊密因素的多層次關(guān)系體系，則解決了檢測項目數(shù)據(jù)不一致的問題。模糊評判的精度和容錯性則通過變權(quán)綜合法來協(xié)調(diào)，保證評估結(jié)果更合理。下面以懸索橋的纜索應(yīng)力為例探討建立智能評估體系的方法。

2 評估體系的建立

2.1 確定評估項目，甄選影響指標，形成評價矩陣

影響指標對目標的重要性矩陣見表1。

表1 影響指標對目標的重要性矩陣

2.2 人工神經(jīng)網(wǎng)絡(luò)的輸入輸出表達

定義網(wǎng)絡(luò)輸入向量=

{FRN1,FRN2,…,FRNn,DSN1,DSN2,…,DSNm,RNF}。

(1)

其中，F(xiàn)Rj為損傷前后j階頻率變化。

(2)

(3)

其中，DSj為對應(yīng)于第i階模態(tài)的損傷指標向量；Δφi為第i階模態(tài)變化量；Δωr為第r階頻率變化量。

(4)

其中，fur和fdr為結(jié)構(gòu)在損傷前后的某階固有頻率。

2.3 變權(quán)模式下的評估公式

采用變權(quán)綜合模式：

(5)

其中，V0為評估值；wj為變權(quán)權(quán)重；xj為第j個影響指標的評估值。

2.4 構(gòu)建網(wǎng)絡(luò)訓(xùn)練樣本

數(shù)據(jù)采集點位如圖1所示，用于人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本如表2所示。

表2 網(wǎng)絡(luò)訓(xùn)練樣本

2.5 有限元軟件模擬損傷，人工神經(jīng)網(wǎng)絡(luò)評估安全性能

如圖2所示為有限元軟件模擬分析得到的索力變化圖，評估懸索工作性能，結(jié)果如下：

南向懸索應(yīng)力均勻變化評估值分別為96.97%和99.57%，非均勻變化相應(yīng)為99.63%和99.71%。系統(tǒng)評測綜合得分為0.966和0.993。北向索應(yīng)力均勻變化評估值分別為94.03%和96.55%，非均勻變化相應(yīng)為97.89%和97.96%。系統(tǒng)評測綜合得分為0.92和0.946。

3 結(jié)語

將變權(quán)評估和人工神經(jīng)網(wǎng)絡(luò)的模糊識別結(jié)合更適用于結(jié)構(gòu)復(fù)雜，構(gòu)件數(shù)量龐大的建筑物安全評估，兼具數(shù)據(jù)變化敏感度和容錯性強的特點。判別矩陣的使用可以實現(xiàn)多層次，多重目標的智能評估。

網(wǎng)絡(luò)學(xué)習(xí)樣本的甄選和構(gòu)建對準確評估起決定作用，樣本數(shù)據(jù)的歸一性和持續(xù)性處理改善了網(wǎng)絡(luò)的收斂速度，提高了數(shù)據(jù)更新后的一致性和匹配度。