馬文劃

廣東交科檢測(cè)有限公司 廣東 廣州 510550

現(xiàn)如今科學(xué)技術(shù)的快速發(fā)展，使得橋梁結(jié)構(gòu)損傷識(shí)別工作得到了快速的發(fā)展，隨之產(chǎn)生了大量理論分析研究與應(yīng)用成果。因橋梁復(fù)雜程度明顯提升，橋梁結(jié)構(gòu)損傷智能識(shí)別的地位也在不斷提高，借助先進(jìn)識(shí)別技術(shù)與方法，不僅可以掌握橋梁結(jié)構(gòu)實(shí)際損傷情況，同時(shí)也可以發(fā)現(xiàn)損傷出現(xiàn)的根本原因，進(jìn)而提出有效的解決方法，提升橋梁安全性，滿足后期安全使用等要求。

1 橋梁結(jié)構(gòu)損傷的智能識(shí)別方法應(yīng)用現(xiàn)狀

現(xiàn)如今，我國(guó)橋梁建設(shè)速度不斷提升，新型橋梁不斷涌現(xiàn)，為我國(guó)交通運(yùn)輸行業(yè)發(fā)展產(chǎn)生了促進(jìn)作用。但是隨著橋梁數(shù)量的不斷在呢個(gè)價(jià)，受到多種因素的影響，使得橋梁結(jié)構(gòu)損傷問(wèn)題逐漸顯現(xiàn)。所以從業(yè)人員需要掌握智能識(shí)別技術(shù)與方法，及時(shí)掌握橋梁實(shí)際健康情況，進(jìn)而根據(jù)存在的問(wèn)題采取有效的處理措施，確保橋梁結(jié)構(gòu)質(zhì)量安全。隨著計(jì)算機(jī)技術(shù)、人工智能技術(shù)等的不斷發(fā)展，使得橋梁智能檢測(cè)也進(jìn)入到了全新的發(fā)展階段。借助先進(jìn)的智能識(shí)別方法，不僅可以在線針對(duì)結(jié)構(gòu)情況進(jìn)行準(zhǔn)確評(píng)估，同時(shí)也可以延伸檢測(cè)內(nèi)容，保障結(jié)構(gòu)安全性。在使用智能識(shí)別方法時(shí)，應(yīng)發(fā)揮技術(shù)優(yōu)勢(shì)，完成自動(dòng)化檢測(cè)工作，為后續(xù)評(píng)估工作開(kāi)展提供支持。運(yùn)用先進(jìn)技術(shù)針對(duì)橋梁結(jié)構(gòu)損傷情況進(jìn)行識(shí)別，能夠?qū)こ探Y(jié)構(gòu)信息處理的并行性等產(chǎn)生較好的優(yōu)勢(shì)，同時(shí)也具備了較強(qiáng)的非線性映射能力。橋梁結(jié)構(gòu)損傷識(shí)別屬于一項(xiàng)多目標(biāo)非線性優(yōu)化問(wèn)題，所以需要利用好人工智能技術(shù)，轉(zhuǎn)變傳統(tǒng)結(jié)構(gòu)損傷識(shí)別方法的不足，簡(jiǎn)化損傷識(shí)別過(guò)程，提升識(shí)別結(jié)果精準(zhǔn)性[1]。

2 橋梁結(jié)構(gòu)損傷的智能識(shí)別

在研究中發(fā)現(xiàn)橋梁結(jié)構(gòu)損傷出現(xiàn)的原因較多，但是不論哪種原因，必然會(huì)造成橋梁結(jié)構(gòu)出現(xiàn)安全問(wèn)題。一是隨著使用時(shí)間的不斷延長(zhǎng)，逐漸出現(xiàn)損傷現(xiàn)象。部分橋梁因長(zhǎng)期受到車輛荷載、環(huán)境變化等的影響出現(xiàn)在損傷現(xiàn)象，如果沒(méi)有及時(shí)采取有效的措施，必然會(huì)對(duì)結(jié)構(gòu)安全性產(chǎn)生不利影響，出現(xiàn)橋梁安全性降低等現(xiàn)象。如簡(jiǎn)支梁橋中因車輛通行量較大，季節(jié)溫度變化幅度較大，使得內(nèi)部混凝土受到影響，逐漸產(chǎn)生裂縫等，進(jìn)而出現(xiàn)應(yīng)力重分布等現(xiàn)象，使得其本身安全性不斷下降。二是因偶然性的因素對(duì)橋梁結(jié)構(gòu)產(chǎn)生影響，出現(xiàn)損傷。如自然環(huán)境、人為因素等使得橋梁結(jié)構(gòu)出現(xiàn)損傷。如在人為因素中涉及到車輛撞擊等，而在自然災(zāi)害中則因風(fēng)荷載等因素的影響，使得橋梁結(jié)構(gòu)發(fā)生了相應(yīng)的變化[2]。

3 橋梁結(jié)構(gòu)損傷的智能識(shí)別方法運(yùn)用

3.1 神經(jīng)網(wǎng)絡(luò)下的損傷識(shí)別

對(duì)于神經(jīng)網(wǎng)絡(luò)來(lái)講，主要以模擬人大腦在信息處理方面的過(guò)程為主，在結(jié)構(gòu)損傷識(shí)別過(guò)程中，主要以結(jié)構(gòu)動(dòng)力參數(shù)為主要輸入量，針對(duì)網(wǎng)絡(luò)輸出量進(jìn)行研究，將其轉(zhuǎn)變成為識(shí)別結(jié)果。一是針對(duì)所測(cè)量的數(shù)據(jù)進(jìn)行整理，及時(shí)完成網(wǎng)絡(luò)訓(xùn)練，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)參數(shù)的深入化分析。二是完成數(shù)據(jù)輸入工作，及時(shí)獲取相應(yīng)的結(jié)果。當(dāng)系統(tǒng)特性無(wú)特殊變化時(shí)，在輸出方面是一致的。如果存在損傷問(wèn)題，在輸出方面會(huì)顯示出相應(yīng)的差異。因此在結(jié)構(gòu)損傷識(shí)別中需要利用好神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)，提升識(shí)別準(zhǔn)確性。

第一，在RBF神經(jīng)網(wǎng)絡(luò)識(shí)別中學(xué)習(xí)算法包含隱含層單元、輸出層單元學(xué)習(xí)與優(yōu)化兩種。在使用中需要完成有限元模型建立工作，提升計(jì)算精準(zhǔn)性，選擇出適合的樣本，并利用技術(shù)優(yōu)勢(shì)完成訓(xùn)練、測(cè)試等。

第二，在BP神經(jīng)網(wǎng)絡(luò)識(shí)別中，因其中所涉及到的內(nèi)容相對(duì)較多，所以在使用中需要確定出具體的網(wǎng)絡(luò)結(jié)構(gòu)，提升參數(shù)選擇合理性，確定出具體的學(xué)習(xí)樣本規(guī)格，完成初始權(quán)值選擇等工作，為后續(xù)結(jié)構(gòu)損傷檢測(cè)工作開(kāi)展提供支持。

第三，在小波神經(jīng)網(wǎng)絡(luò)識(shí)別中，需要主動(dòng)將小波理論與其他方法融合在一起，做好具體分類工作，如圖1所示：通過(guò)對(duì)網(wǎng)絡(luò)形式等進(jìn)行研究，找準(zhǔn)小波分析與其他方法之間的融合點(diǎn)，針對(duì)神經(jīng)網(wǎng)絡(luò)參變量等進(jìn)行研究，結(jié)合現(xiàn)實(shí)情況選擇最為適合的參數(shù)。在使用階段中還需要掌握先驗(yàn)知識(shí)等，做好神經(jīng)網(wǎng)絡(luò)模型、參數(shù)等研究。在研究中發(fā)現(xiàn)結(jié)構(gòu)損傷識(shí)別工作質(zhì)量的高低容易受到多種因素的影響，即便在識(shí)別過(guò)程中使用相同的方法，但是受到不同人員專業(yè)能力不同等的影響，在結(jié)果方面也是存在差異的。另外在結(jié)構(gòu)損傷識(shí)別階段中問(wèn)題非線性程度不同，所以需要結(jié)合現(xiàn)實(shí)情況選擇適合的模型，實(shí)現(xiàn)對(duì)誤差的有效控制。另外小波變換的時(shí)頻局部特性、變焦特性等特點(diǎn)，所以將小波變換與神經(jīng)網(wǎng)絡(luò)結(jié)合，能夠確保優(yōu)勢(shì)的最大化，并構(gòu)建出完善的小波神經(jīng)網(wǎng)絡(luò)。在選擇小波基時(shí)，需要從原有的選擇范圍出發(fā)，在完成網(wǎng)絡(luò)學(xué)習(xí)的同時(shí)找出適合的小波基函數(shù)。但是也應(yīng)當(dāng)要明確的是，雖然與BP網(wǎng)絡(luò)結(jié)構(gòu)非線性優(yōu)化問(wèn)題等方面具有相似性的特點(diǎn)，然而在學(xué)習(xí)等過(guò)程中可以充分展現(xiàn)小波分析理論優(yōu)勢(shì)，提升網(wǎng)絡(luò)設(shè)計(jì)的精準(zhǔn)性。

第四，灰色聚類神經(jīng)網(wǎng)絡(luò)下的損傷識(shí)別。一是聚類分析。使用聚類分類時(shí)，需要從客觀事物的實(shí)際情況出發(fā)，提升分類的科學(xué)性。因其是數(shù)理多元分析中的一部分，涉及到分級(jí)與動(dòng)態(tài)聚類兩種。在分級(jí)聚類中需要將不同樣本整合在一起，確定出類之間的距離，同時(shí)將距離最近的兩類組合在一起，并針對(duì)新類與其他類的距離進(jìn)行計(jì)算，將其轉(zhuǎn)變成為新類，最后利用所提供的分類臨界值完成分類。在動(dòng)態(tài)聚類中需要完成樣本粗略分類工作，隨后根據(jù)修改原則完成分類，確保分類的合理性。二是展現(xiàn)灰色聚類神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)，滿足算法集成要求。在神經(jīng)網(wǎng)絡(luò)集中中需要發(fā)揮有限神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)，提升問(wèn)題分析深入性，同時(shí)完成輸出工作。為強(qiáng)化其集成泛化能力，需要不斷提升損傷識(shí)別中的預(yù)測(cè)精度。三是針對(duì)桁架進(jìn)行損傷識(shí)別。如果假定桁架結(jié)構(gòu)中有限元模型是準(zhǔn)確的，則可以針對(duì)實(shí)際結(jié)構(gòu)的動(dòng)力特性進(jìn)行模擬。四是斜拉橋損傷識(shí)別。隨著時(shí)間的不斷延長(zhǎng)，斜拉橋中關(guān)鍵承力構(gòu)件的斜拉索受到腐蝕等因素的影響，使得橋梁結(jié)構(gòu)安全性不斷降低。如圖2所示：受到荷載等因素的影響，使得在結(jié)構(gòu)損傷程度也在不斷增加，表現(xiàn)為縮短拉索使用壽命、降低結(jié)構(gòu)整體安全性等。只有明確結(jié)構(gòu)出現(xiàn)損傷的根本原因，才能找出影響因素，進(jìn)而利用智能技術(shù)進(jìn)行模擬，幫助工作人員掌握拉索實(shí)際損傷情況，簡(jiǎn)化后期計(jì)算過(guò)程[3]。

圖2 斜拉橋

通過(guò)研究可以發(fā)現(xiàn)使用小波神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)集成技術(shù)能夠針對(duì)大型橋梁結(jié)構(gòu)損傷情況進(jìn)行識(shí)別，但是對(duì)已知樣本數(shù)量的要求較多。所以在橋梁結(jié)構(gòu)損傷檢測(cè)中，如果橋梁結(jié)構(gòu)較為簡(jiǎn)單，即可使用支持向量機(jī)等方法進(jìn)行識(shí)別，實(shí)現(xiàn)節(jié)約成本目標(biāo)。由于神經(jīng)網(wǎng)絡(luò)集成中所涉及到的神經(jīng)網(wǎng)絡(luò)相對(duì)較多，在運(yùn)用效果方面較為理想，所以在損傷檢測(cè)過(guò)程中，需要根據(jù)實(shí)際情況，合理運(yùn)用智能技術(shù)。但是在技術(shù)運(yùn)用中還需要正確認(rèn)識(shí)其優(yōu)勢(shì)與不足，確保運(yùn)用的針對(duì)性，便于工作人員掌握結(jié)構(gòu)實(shí)際情況。

3.2 粒子群算法下的損傷識(shí)別

現(xiàn)如今橋梁結(jié)構(gòu)構(gòu)件可靠性研究已經(jīng)引起了廣泛的關(guān)注，在設(shè)計(jì)中不僅需要提升其可靠性與穩(wěn)健性，同時(shí)也要最大限度節(jié)約材料，實(shí)現(xiàn)對(duì)造價(jià)的有效控制。在橋梁結(jié)構(gòu)使用階段中，如果不能準(zhǔn)確識(shí)別損傷，容易引發(fā)安全事故。隨著智能技術(shù)的不斷發(fā)展，粒子群算法逐漸被運(yùn)用到結(jié)構(gòu)損傷識(shí)別中，并取得了較好的成效。一是算法引入。粒子群算法具有性能好等優(yōu)勢(shì)，但是卻難以直接運(yùn)用到多目標(biāo)問(wèn)題求解等環(huán)節(jié)中。二是灰色粒子群算法。在結(jié)構(gòu)檢測(cè)中引入灰色關(guān)聯(lián)分析可以有效解決存在的問(wèn)題，便于工作人員了解空間具體情況。在技術(shù)運(yùn)用中還需要確定出具體的個(gè)體與全局極值，進(jìn)而解決高位多目標(biāo)等問(wèn)題。第一，求出多目標(biāo)優(yōu)化問(wèn)題中目標(biāo)函數(shù)最優(yōu)值。第二，選擇全局極值，將全部例子代入到目標(biāo)函數(shù)中，形成相應(yīng)的矢量。第三，完成個(gè)體極值選取工作，并將單個(gè)粒子帶入到目標(biāo)函數(shù)中。與傳統(tǒng)識(shí)別方法相比，使用灰色粒子群算法能夠?qū)崿F(xiàn)對(duì)成本的有效控制，達(dá)到提升可靠性等要求。因灰色粒子群算法主要是將計(jì)算、灰色理論思想等結(jié)合，借助灰色關(guān)聯(lián)度等進(jìn)行全面分析，進(jìn)而獲取滿意的解。另外因灰色關(guān)聯(lián)度可以針對(duì)非劣解與理想解的接近程度進(jìn)行深入分析，可以掌握空間全貌情況，提升實(shí)施便捷性，獲取最優(yōu)結(jié)果[4]。

3.3 支持向量機(jī)和粒子群算法的損傷識(shí)別

在工作中想要提升智能損傷識(shí)別效率，可以將支持向量機(jī)、粒子群算法等結(jié)合，形成完善的損傷識(shí)別系統(tǒng)，提升損傷識(shí)別精準(zhǔn)性。在技術(shù)運(yùn)用中需要針對(duì)損傷裂縫指標(biāo)等進(jìn)行研究，展現(xiàn)支持向量機(jī)優(yōu)勢(shì)，構(gòu)建出對(duì)應(yīng)的函數(shù)表達(dá)式，并將所獲取的表達(dá)式不同結(jié)構(gòu)階段中的實(shí)測(cè)頻率差異進(jìn)行整合，進(jìn)而形成適合的優(yōu)化目標(biāo)，提升損傷識(shí)別效率。想要保障識(shí)別工作高效開(kāi)展，還需要完成目標(biāo)轉(zhuǎn)移，形成多目標(biāo)優(yōu)化問(wèn)題，發(fā)揮技術(shù)優(yōu)勢(shì)完成求解。

一是支持向量機(jī)的非線性函數(shù)擬合。借助非線性關(guān)系，在正式使用以前需要針對(duì)小樣本學(xué)習(xí)能力等進(jìn)行深入研究。通過(guò)分析可以發(fā)現(xiàn)，支持向量機(jī)的數(shù)學(xué)理論基礎(chǔ)較強(qiáng)，所以在函數(shù)擬合過(guò)程中并不存在局部極值，與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比可以發(fā)現(xiàn)，其抗噪聲能力相對(duì)較強(qiáng)，且對(duì)于樣本數(shù)量的依賴性也是相對(duì)較弱的，而所形成的模型在泛化能力方面較強(qiáng)。在BP神經(jīng)網(wǎng)絡(luò)模型中，對(duì)數(shù)據(jù)數(shù)量、質(zhì)量等的依賴性較強(qiáng)，因樣本數(shù)量的變化還會(huì)產(chǎn)生新的問(wèn)題。因此在識(shí)別過(guò)程中需要正確面前潛在影響因素，如成本等。由于輸入樣本量不足，且其中又次存在噪音等問(wèn)題，因此在識(shí)別過(guò)程中需要利用好支持向量機(jī)，展現(xiàn)其優(yōu)勢(shì)，提升使用效果[5]。

二是建立多目?jī)?yōu)化模型。橋梁結(jié)構(gòu)損傷識(shí)別屬于反分析過(guò)程，使用待反演桉樹能夠?qū)Σ煌A段頻率與振型同實(shí)測(cè)不同階段頻率、振型之間不斷逼近過(guò)程，展現(xiàn)出結(jié)構(gòu)的實(shí)際情況。所以需要完成誤差分析，獲取反演結(jié)果。對(duì)于反分析方法來(lái)講，根據(jù)計(jì)算方法能夠?qū)⑵鋭澐譃榻馕龇?、?shù)值法兩種。由于結(jié)果損傷識(shí)別的復(fù)雜性較高，同時(shí)也是非線性不斷優(yōu)化的過(guò)程，容易在分析階段中出現(xiàn)問(wèn)題。如需要面臨大量計(jì)算工作，所形成的解在穩(wěn)定性等煩那個(gè)面存在不足等。所以在目標(biāo)函數(shù)優(yōu)化求解階段中，需要針對(duì)所得闡述進(jìn)行整理，完成有限元計(jì)算等，只有形成合理化的函數(shù)關(guān)系，才能在計(jì)算效率方面能夠有效提升。智能優(yōu)化算法具有簡(jiǎn)單、穩(wěn)健等特點(diǎn)，可以運(yùn)用到結(jié)構(gòu)模型修正、損傷識(shí)別等環(huán)節(jié)中，具有較好的運(yùn)用效果。所以在使用知識(shí)向量機(jī)時(shí)，需要建立胡相應(yīng)的函數(shù)表達(dá)式，將所產(chǎn)生的差異轉(zhuǎn)變成為目標(biāo)，同時(shí)將其看作是多目標(biāo)優(yōu)化問(wèn)題進(jìn)行處理。

三是在識(shí)別過(guò)程中還需要加強(qiáng)支持向量機(jī)、灰色粒子群算法之間的聯(lián)系，形成完善的識(shí)別過(guò)程。第一，針對(duì)橋梁結(jié)構(gòu)具體情況進(jìn)行研究，使用先進(jìn)技術(shù)完成損傷位置模擬工作，獲取具體的指標(biāo)取值范圍，同時(shí)還需要借助正交試驗(yàn)等方法，確保計(jì)算方案內(nèi)容的完整性。第二，發(fā)揮有限元方法優(yōu)勢(shì)，獲取不同階段中的頻率變化情況，完成樣本劃分，做好轉(zhuǎn)變工作。第三，積極開(kāi)展樣本學(xué)習(xí)、測(cè)試等工作，保障結(jié)果的精準(zhǔn)性。第四，針對(duì)所收集的信息進(jìn)行整理，形成對(duì)應(yīng)的多目標(biāo)優(yōu)化模型。第五，完成求解工作。

四是深入到結(jié)構(gòu)中，掌握簡(jiǎn)支梁損傷情況，提升識(shí)別工作的針對(duì)性。如對(duì)簡(jiǎn)支鋼筋混凝土梁進(jìn)行損傷識(shí)別時(shí)，需要利用好通用計(jì)算機(jī)軟件，完成數(shù)據(jù)信息處理。通過(guò)對(duì)損傷識(shí)別結(jié)果進(jìn)行分析可以發(fā)現(xiàn)，在高維目標(biāo)函數(shù)優(yōu)化問(wèn)題求解中灰色粒子群算法的使用能夠有效獲取多目標(biāo)函數(shù)最優(yōu)解。第一，確定出單目標(biāo)，針對(duì)所獲取的結(jié)果進(jìn)行計(jì)算，同時(shí)應(yīng)當(dāng)保障計(jì)算過(guò)程的科學(xué)性，進(jìn)而獲取準(zhǔn)確的結(jié)算結(jié)果。因約束隨機(jī)方向法中的初始點(diǎn)各不相同，所以需要借助人工等方式進(jìn)行精準(zhǔn)分析，但是在分析中所涉及到的環(huán)節(jié)相對(duì)較多，使得其復(fù)雜程度較高。第二，完成等價(jià)單目標(biāo)函數(shù)模糊線性規(guī)劃，但是在規(guī)劃過(guò)程中，還需要正確面對(duì)其中的影響，如容易對(duì)函數(shù)本身特性產(chǎn)生不利影響，出現(xiàn)解精確度不高等問(wèn)題。

4 結(jié)語(yǔ)

綜上所述，在橋梁結(jié)構(gòu)損傷智能識(shí)別中需要主動(dòng)引入先進(jìn)技術(shù)，展現(xiàn)人工智能算法功能優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)橋梁結(jié)構(gòu)損傷的精準(zhǔn)化識(shí)別，構(gòu)建出完善的識(shí)別系統(tǒng)，確保結(jié)構(gòu)損傷識(shí)別工作高效開(kāi)展。在智能識(shí)別過(guò)程中，還需要根據(jù)不同情況選擇不同的識(shí)別方法，保障識(shí)別結(jié)果的準(zhǔn)確性，為后續(xù)處理工作開(kāi)展提供支持。