基于GA-BP神經(jīng)網(wǎng)絡(luò)的二河閘病害識別方法

胡志浪

(江蘇省淮沭新河管理處，江蘇 淮安 223005)

存在安全隱患的在役水閘工程，不僅嚴(yán)重影響水利工程興利效益的發(fā)揮[1]，而且威脅著人民生命財(cái)產(chǎn)安全[2]?，F(xiàn)有的水工結(jié)構(gòu)隱患及病害(損傷)檢測方法[3]，主要有人工探視法、破損法及無損檢測法[4]。這些方法均需通過大量人工檢測、監(jiān)測和巡查等，耗時(shí)耗力；而且用于水工結(jié)構(gòu)的檢測不能做到快捷、精細(xì)和準(zhǔn)確的判斷與定位，不易發(fā)現(xiàn)水閘工程中所存在的隱患和險(xiǎn)情[5]。隨著現(xiàn)在對自動(dòng)化以及信息處理和檢索的需求變得越來越重要，就需要尋求水閘典型病害識別方法[6-7]。根據(jù)對二河閘的巡查、檢測和監(jiān)測資料的統(tǒng)計(jì)，分析二河閘典型病害的分類和成因，但這些不足以建立病害表現(xiàn)與病害類別間的映射關(guān)系。

在水閘病害識別的應(yīng)用中，神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點(diǎn)：神經(jīng)網(wǎng)絡(luò)具有很高的容錯(cuò)性、自組織和自學(xué)習(xí)功能，能很好地解決水閘病害影響因素復(fù)雜的問題；能夠極大程度地克服傳統(tǒng)病害檢測的約束條件，在解決病害識別問題上顯示了極大的優(yōu)越性。此外，水閘病害的影響因素之間的關(guān)系屬于未知的非線性函數(shù)，遺傳算法有較好的非線性尋優(yōu)能力，通過遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)，能夠較好地識別水閘病害?；谏鲜鲅芯勘尘?，根據(jù)水閘典型病害的主要影響因素，建立二河閘碳化病害識別模型。

1 基于GA-BP神經(jīng)網(wǎng)絡(luò)的二河閘病害識別理論

1.1 神經(jīng)網(wǎng)絡(luò)類型的選取

BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用較多的神經(jīng)網(wǎng)絡(luò)，這主要?dú)w結(jié)于基于BP算法的多層感知器具有非線性映射能力、泛化能力以及容錯(cuò)能力。

1.2 遺傳算法(GA)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)

雖然BP神經(jīng)網(wǎng)絡(luò)具有很好的非線性映射和學(xué)習(xí)能力，但還未有很好的理論指導(dǎo)和解決方法，如初始權(quán)值的確定以及BP算法收斂慢等問題。利用遺傳算法能更好地發(fā)揮神經(jīng)網(wǎng)絡(luò)的泛化能力，并能使神經(jīng)網(wǎng)絡(luò)具有很快的收斂能力以及較強(qiáng)的學(xué)習(xí)能力。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的目的是通過遺傳算法得到更好的網(wǎng)絡(luò)初始權(quán)值和閾值，其基本原理即用個(gè)體代表網(wǎng)絡(luò)的初始權(quán)值和閾值、個(gè)體值初始化的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差作為該個(gè)體的適應(yīng)度值，通過選擇、交叉、變異操作尋找最優(yōu)個(gè)體，即最優(yōu)的BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值。

1.3 水閘典型病害訓(xùn)練樣本主要因素

水閘檢測方面的病害識別在理論和經(jīng)驗(yàn)?zāi)Ｐ头矫婢幸欢ǖ难芯砍晒?。理論模型的物理意義明確，思路清晰，推導(dǎo)嚴(yán)謹(jǐn)，但在實(shí)際計(jì)算中各系數(shù)的確定又依賴試驗(yàn)數(shù)據(jù)，不便于工程的應(yīng)用；經(jīng)驗(yàn)計(jì)算模型從試驗(yàn)分析結(jié)果出發(fā)，往往是在特定的環(huán)境下，不能全面考慮各種因素的影響。為此，需對每個(gè)病害的影響因素進(jìn)行詳細(xì)的分析，根據(jù)所擁有的材料選取主要的影響因素作為水閘病害識別神經(jīng)網(wǎng)絡(luò)的輸入，輸入之前還需完成這些影響因素的量化問題。水閘工程主要用混凝土、鋼筋、塊石、黏土等其他材料，其中混凝土和鋼筋的病害最為典型，包括混凝土碳化、開裂、剝蝕破壞和鋼筋銹蝕等。下面以混凝土的碳化、裂縫、鋼筋銹蝕為例進(jìn)行分析。

1)混凝土碳化?；炷撂蓟且粋€(gè)緩慢而復(fù)雜的過程，涉及到許多材料、荷載與環(huán)境變量，如混凝土水灰比、可碳化物質(zhì)的含量、環(huán)境的溫度與濕度、CO2濃度、荷載作用方式、混凝土密度與孔結(jié)構(gòu)的時(shí)間依賴性等，這些變量中有的表現(xiàn)為較大的隨機(jī)性，為此需系統(tǒng)地掌握不同因素對混凝土碳化過程的影響。國內(nèi)外學(xué)者對混凝土碳化提出了許多碳化深度預(yù)測模型，大致可分為兩類：一類是基于試驗(yàn)數(shù)據(jù)或?qū)嶋H結(jié)構(gòu)的碳化深度實(shí)測值，擬合得到的經(jīng)驗(yàn)?zāi)Ｐ?；另一類為基于碳化反?yīng)過程的定量分析建立的理論模型。

2)混凝土裂縫?；炷两Y(jié)構(gòu)裂縫的影響因素比較復(fù)雜，裂縫的產(chǎn)生與混凝土結(jié)構(gòu)的設(shè)計(jì)、材料和施工等方面有密切關(guān)系。

3)鋼筋銹蝕。鋼筋的銹蝕速度一般用單位時(shí)間的銹蝕量表示，而銹蝕程度就用銹蝕量表示。銹蝕量可以為質(zhì)量、面積或直徑損失，亦可由腐蝕電流或極化電阻來表征。

2 實(shí)例分析

2.1 工程概況

二河閘位于江蘇省淮安市洪澤區(qū)高良澗鎮(zhèn)東北約7km處、洪澤湖大堤和蘇北灌溉總渠北堤之三角地帶，系淮河下游洪水分泄入新沂河、淮河入海水道及渠北臨時(shí)分洪的關(guān)鍵性工程，又是淮水北調(diào)的渠首工程和引沂濟(jì)淮的主要工程，發(fā)揮著泄洪、灌溉、航運(yùn)、發(fā)電等綜合效益。工程建成于1958年6月，工程規(guī)模為大(Ⅰ)型水閘工程。

二河閘閘身為鋼筋混凝土結(jié)構(gòu)，總寬401.82 m，分12塊底板(三孔一塊計(jì)11塊，二孔一塊計(jì)1塊)，計(jì)35孔，孔寬10.0 m，孔高8.0 m。閘底板高程8.0 m(廢黃河口基準(zhǔn)面，下同)，閘頂高程19.5 m，胸墻底高程16.0 m，工作便橋橋面高程19.5 m。閘墩下游側(cè)設(shè)公路橋，凈寬7.0 m，橋面高程19.5 m。工作橋?qū)?.5 m，橋面高程28.25 m。閘門為實(shí)腹式弧形鋼閘門，采用35臺2×250 kN卷揚(yáng)式啟閉機(jī)啟閉。岸、邊墩厚0.9 m，中墩厚1.3 m。岸墻為鋼筋混凝土空箱扶壁式，頂部高程19.5 m。閘上游設(shè)有鋼筋混凝土護(hù)坦、條石和干砌塊石海漫及干砌塊石防沖槽，高程7.0～8.0 m。閘下游設(shè)反濾層、鋼筋混凝土消力池和漿砌塊石干砌石海漫及干砌塊石防沖槽，高程6.0～8.0 m；翼墻為漿砌塊石重力式，頂部高程上游18.0 m、下游17.0 m。下游兩側(cè)有頂寬30 m、長200 m的導(dǎo)流堤，堤頂高程17.0 m，迎水面均有砌石護(hù)坡；上游和下游左側(cè)堤頂高程18.5～19.5 m。下游右側(cè)堤頂高程16.5～18.0 m。二河閘平面布置見圖1。

圖1 二河閘平面布置圖

2.2 二河閘工作橋碳化深度樣本采集

二河閘現(xiàn)有局部結(jié)構(gòu)通常在運(yùn)行的過程中表現(xiàn)出明顯的腐蝕，影響結(jié)構(gòu)的耐久性，而碳化深度是鋼筋混凝土腐蝕的主要原因。為此，將碳化深度選為研究對象，進(jìn)行病害識別實(shí)例分析。

碳化系數(shù)需考慮水泥品種、水泥用量、水灰比、骨料品種及級配、摻合料、外加劑、混凝土表面覆蓋層、環(huán)境相對濕度、溫度、空氣中的CO2濃度、混凝土攪拌、振搗和養(yǎng)護(hù)、時(shí)間。

其中，水泥品種、水泥用量、水灰比、骨料品種及級配、摻合料、外加劑和混凝土攪拌、振搗情況的參數(shù)在樣本中難以找到。而混凝土抗壓強(qiáng)度是反映混凝土力學(xué)性能的基本指標(biāo)，它綜合反映了混凝土水灰比、水泥用量、骨料品種及級配、施工質(zhì)量等對混凝土耐久性的影響，且抗壓強(qiáng)度測試方法簡單成熟，在混凝土配合比設(shè)計(jì)和工程現(xiàn)場檢測時(shí)可以得到實(shí)測數(shù)據(jù)。因此，選用混凝土抗壓強(qiáng)度作為碳化深度的影響指標(biāo)?？紤]水閘不同構(gòu)件的應(yīng)力不同，統(tǒng)一選擇不同位置工作橋橋梁碳化深度的平均值作為識別目標(biāo)。由于選取的樣本為水閘工作橋橋梁的不同部位，空間區(qū)域差別性不大，所以視CO2濃度相似，不予考慮。由于所采取的表面處理方式相同，本次分析亦不考慮其影響。淮河流域年平均氣溫13.2℃～15.7℃，氣溫南高北低，四季分明，春暖、夏熱、秋爽、冬冷。該流域相對濕度較大，年均相對濕度為66%～81%，南高北低，東高西低。因此，此次計(jì)算碳化影響因素選取二河閘混凝土的抗壓強(qiáng)度、溫度、相對濕度。從安全鑒定報(bào)告中隨機(jī)抽取50個(gè)樣本，原始數(shù)據(jù)見圖2-圖5。

圖2 樣本點(diǎn)混凝土抗壓強(qiáng)度

圖3 樣本點(diǎn)溫度

圖4 樣本點(diǎn)相對濕度

圖5 樣本點(diǎn)實(shí)際碳化深度

2.3 基于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

由樣本選取水閘混凝土強(qiáng)度、平均溫度、平均濕度，作為3個(gè)變量輸入?yún)?shù)，將碳化平均深度作為識別對象即1個(gè)輸出參數(shù)，取隱含層節(jié)點(diǎn)數(shù)為8，因此設(shè)置的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-8-1，即輸入層有3個(gè)節(jié)點(diǎn)，隱含層有8個(gè)節(jié)點(diǎn)，輸出層有1個(gè)節(jié)點(diǎn)，共有2×8+8×1=24個(gè)權(quán)值，8+1=9個(gè)閾值，根據(jù)種群初始化方法，將遺傳算法個(gè)體編碼長度為24+9=33。從二河閘安全鑒定報(bào)告中隨機(jī)得到的50組樣本中，40組作為訓(xùn)練數(shù)據(jù)，用于網(wǎng)絡(luò)訓(xùn)練，10組樣本作為測試數(shù)據(jù)。把訓(xùn)練數(shù)據(jù)預(yù)測誤差絕對值和作為個(gè)體適應(yīng)度值，隨著個(gè)體適應(yīng)度值的減小，該個(gè)體表現(xiàn)越優(yōu)。遺傳算法參數(shù)設(shè)置為：種群規(guī)模為10，進(jìn)化次數(shù)為10次，交叉概率為0.3，變異概率為0.1。BP神經(jīng)網(wǎng)絡(luò)主要用到newff、sim和train共3個(gè)神經(jīng)網(wǎng)絡(luò)參數(shù)，其中newff用于構(gòu)成一個(gè)BP神經(jīng)網(wǎng)絡(luò)，train用訓(xùn)練數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，sim用訓(xùn)練好的 BP神經(jīng)網(wǎng)絡(luò)預(yù)測函數(shù)輸出。BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置為：迭代次數(shù)為100次，學(xué)習(xí)率為0.1。

2.4 模型識別結(jié)果與分析

根據(jù)GA-BP神經(jīng)網(wǎng)絡(luò)的二河閘病害識別理論，運(yùn)用Python語言編寫基于GA-BP神經(jīng)網(wǎng)絡(luò)的二河閘病害識別方法的計(jì)算程序，通過運(yùn)行程序，模型識別結(jié)果見圖6、圖7。

計(jì)算結(jié)果如下：

1)由圖6-圖7可見，模型識別結(jié)果能較好地反映實(shí)測值，表明網(wǎng)絡(luò)學(xué)習(xí)成功，但是個(gè)別誤差還較大。出現(xiàn)這種情況的原因可能是由于碳化樣本資料的隨機(jī)不確定性、養(yǎng)護(hù)條件及未考慮表面情況。

圖6 BP神經(jīng)網(wǎng)絡(luò)碳化識別深度

圖7 GA-BP神經(jīng)網(wǎng)絡(luò)碳化識別深度

2)基于GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測碳化深度的結(jié)果比只采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測的預(yù)測結(jié)果較優(yōu)。表明遺傳算法優(yōu)化能兼顧碳化樣本個(gè)體表現(xiàn)出的特征。

3)在分析各病害的影響因素的基礎(chǔ)上，通過遺傳算法的神經(jīng)網(wǎng)絡(luò)訓(xùn)練，可以預(yù)測和識別水閘病害情況，為水閘工程病害的發(fā)生和發(fā)展分析提供了一種新的途徑。

3 結(jié) 論

根據(jù)水閘病害的特點(diǎn)，研究了水閘工程病害的識別方法，主要結(jié)論如下：

1)分析水閘病害識別的特點(diǎn)，研究BP神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，結(jié)合遺傳算法，建立了基于GA-BP神經(jīng)網(wǎng)絡(luò)的二河閘病害識別模型。

2)收集二河閘工程碳化深度樣本，應(yīng)用遺傳算法BP神經(jīng)網(wǎng)絡(luò)對二河閘碳化病害進(jìn)行預(yù)測和識別。分析結(jié)果表明，在深入分析水閘病害影響因素的基礎(chǔ)上，用遺傳算法和BP神經(jīng)網(wǎng)絡(luò)模型識別水閘病害是可行的。

3)影響水閘病害的因素復(fù)雜，有定量因素，更多的是定性因素，利用模糊數(shù)學(xué)等方法將定性指標(biāo)量化，可以提高病害識別的準(zhǔn)確性。