軟計算研究及其在橋梁健康監(jiān)測與狀態(tài)評估中的應(yīng)用.pdf

1、大型橋梁健康監(jiān)測與狀態(tài)評估的難點之一是如何有效的處理大量監(jiān)測信息并對橋梁運營狀態(tài)做出合理評估，主要體現(xiàn)在反問題的不適定性、組合優(yōu)化的計算復(fù)雜性、評估的不確定性、信號的非平穩(wěn)性等方面。在求解這些問題方面，以二元邏輯、線性系統(tǒng)等為基礎(chǔ)的傳統(tǒng)求解方法存在不足，因而迫切需要發(fā)展新的、有效、實用的方法。
　　 軟計算(Soft Computing,SC)是集成了人工神經(jīng)網(wǎng)絡(luò)、群智能優(yōu)化及不確定性推理的一類方法，在數(shù)據(jù)反演、全局非線性優(yōu)化、

2、決策分析、并行計算等方面具有較大優(yōu)勢。本文在研究其基本理論的基礎(chǔ)上，結(jié)合橋梁健康監(jiān)測與狀態(tài)評估，對其中主要的決策和識別問題進(jìn)行了系統(tǒng)的探索研究。
　　 主要工作和研究內(nèi)容如下：
　　 (1)引入了軟計算方法基本概念和特征，重點介紹了群智能優(yōu)化算法?；谒⒌腂enchmark優(yōu)化模型，對群智能優(yōu)化算法的性能進(jìn)行了對比數(shù)值實驗分析。
　　 (2)對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)。引入自適應(yīng)學(xué)習(xí)率和局部最優(yōu)檢測算子，增

3、強了網(wǎng)絡(luò)全局最優(yōu)性，并提高了網(wǎng)絡(luò)識別精度?；诖?，建立了用于南京長江大橋橋墩—船撞擊荷載識別網(wǎng)絡(luò)，可對船舶撞擊力、撞擊角度和撞擊位置進(jìn)行識別。數(shù)值算例表明，所建網(wǎng)絡(luò)具有良好的記憶、聯(lián)想和抗干擾能力，在船舶撞擊力識別方面具有很快的收斂速度和較高的識別精度。
　　 (3)提出了一種新的針對傳感器優(yōu)化布置的“數(shù)集編碼法”及其遺傳算法的交叉和變異操作模式。將所提出的遺傳算法結(jié)合人工免疫算法的克隆機制，增強了算法在單目標(biāo)和多目標(biāo)情況下對傳

4、感器位置進(jìn)行全局優(yōu)化的能力。以汀泗河特大橋1/8縮尺模型及南京長江大橋為對象，對其監(jiān)測傳感器位置進(jìn)行單目標(biāo)和多目標(biāo)優(yōu)化。優(yōu)化結(jié)果表明，所提出的優(yōu)化方法編碼長度短、操作靈活、具有較強的全局收斂性。單目標(biāo)情況下，最優(yōu)測點具有累積性與分區(qū)集中性。多目標(biāo)情況下，可得到具有多種布置方案的Pareto解，方便決策者進(jìn)行方案比選。
　　 (4)提出了一種利用三端點區(qū)間數(shù)層次分析法對橋梁進(jìn)行狀態(tài)評估的方法，建立了三端點區(qū)間數(shù)層次分析法一致性衡量

5、指標(biāo)體系以及權(quán)重向量的優(yōu)化模型，設(shè)計了具有自適應(yīng)慣性系數(shù)調(diào)整和強局部搜索機制的自適應(yīng)微粒群-退火算法用于全局優(yōu)化搜索，通過優(yōu)化求解可得到一致性指標(biāo)及其最優(yōu)權(quán)重。將所提出的三端點區(qū)間數(shù)層次分析法用于南京長江大橋的狀態(tài)評估中，評估結(jié)果表明，三端點區(qū)間數(shù)層次分析法靈活、簡單可以綜合考慮評估中的不確定性，所提出的判斷矩陣一致性檢驗方法及平均隨機一致性指標(biāo)參照值具有較高的工程應(yīng)用前景。
　　 (5)提出了基于蟻群-混沌追蹤算法的信號稀疏分