江苏建筑 ２０１４年第５期（总第１６４期） ４９ 结构健康监测中基于神经网络技术的两级识别策略 张杨 （江苏省建筑科学研究院有限公司，江苏南京２１０００８） ［摘 要］ 文章简要介绍了神经网络技术算法及两级识别策略，对其在大型土木工程健康监测中的应用进行了探讨。 ［关键词】 神经网络；健康监测；损伤诊断；概率神经网络 ［中图分类号］ＴＵ３ｌ７［文献标识码】Ａ［文章￣＇］１００５—６２７０（２０１４）０５—００４９—０３ Ｔｈｅ Ｔｗｏ Ｐｈａｓｅ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｓｔｒａｔｅｇｙ Ｂａｓｅｄ ｏｎ Ａｒｔｉｉｃｉａｌｆ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｓｔｒｕｃｔｕｒｅ Ｈｅａｌｔｈ Ｍｏｎｉｔｏｒｉｎｇ ＺＨＡＮＧ Ｙａｎｇ （Ｊｉａｎｇｓｕ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｂｕｉｌｄｉｎｇ Ｓｅｉｅｎｅｅ Ｃｏ．，Ｌｔｄ，Ｎａｎｊｉｎｇ Ｊｉａｎｇｓｕ ２１０００８ Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｍａｋｅｓ ａ ｂｒｉｅｆ ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ａｌｇｏｒｉｔｈｍ ａｂｏｕｔ ａｒｔｉｉｃｉｆａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ ｔｈｅ ｔｗｏ ｐｈａｓｅ ｉｄｅｎｆｉｃａｔｉｏｎ ｓｔｒａｔｅｇｙ，ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｏｎ ｈｅａｌｔｈ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｃｉｖｉｌ ｅｎｇｉｎｅｅｒｉｎｇ ｈａｓ ｂｅｅｎ ｄｉｓｃｕｓｓｅｄ． Ｋｅｙ ｗｏｒｄｓ：ａｒｔｉｉｆｃｉ￣ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｈｅａｌｔｈ ｍｏｎｉｔｏｒｉｎｇ，ｄａｍａｇｅ ｄｉａｇｎｏｓｉｓ；ｐｒｏｂａｂｉｌｉｓｔｉｃ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ０引言 正确结论的能力：（３）神经网络具有分辨原因及损伤类型的 能力 。 重大土木工程结构，如大跨桥梁、大跨空间结构、巨型 坝体、海洋平台等，它们的服役年限往往长达数十年甚至上 百年。在这么长的时间内，由于环境侵蚀、材料老化、交变荷 载等各种因素将不可避免地导致结构的损伤积累和抗力减 弱，从而降低结构的荷载能力、甚至引发灾难性事故【１】 随着 计算机技术、有限元模拟技术、信号采集和数据传输等技术 的发展．以服役结构的状态评估为目的的健康监测系统研 究已经成为土木工程学界的研究热点之一 损伤识别最终都可以转化为结构参数识别的问题．在 目前普遍研究的损伤识别技术中．基于模型的损伤诊断技 术研究较为广泛。准确的健康结构模型提供了结构在健康 状态的客观基准．是结构健康监测的先决条件 ．因此建立 准确模拟结构行为的有限元模型有重要意义 但有限元模 型与实际对象相比存在一定误差．如边界条件及连接条件 的简化、几何尺寸和材料本构参数中存在的不确定性因素 等Ｉ５］．使得依据结构图纸建立的有限元模型与实际对象间存 在一定的差别 现有的有限元模型修正技术仅适用“小误差模型”的修 结构健康监测是集动态监测、系统辨识和状态评估于 一体的综合系统，通常是对大型复杂结构在外界各种激励 下的响应进行监测．进而利用监测信息结合状态评估理论 对结构进行健康诊断。分析结构的损伤状况．最后对结构状 态做出评估。该系统中涉及的关键技术主要包括３个方面： 正［６１．而较大“误差”的情况则属于非适定的、非线性的问题。 人工神经网络强大的非线性映射功能非 适合解决结构模 型修正中的非线性问题１７］．在选择合适测试量的前提下．不 论系统线性还是非线性．系统和网络输出的差异对损伤均 （１）信息采集及传感器技术；（２）结构诊断与评估；（３）系统 集成与应用囝。其中结构诊断与评估是系统的核心 国内外 均进行了大量的研究。取得了丰硕的成果。随着计算机技术 的发展，人工神经网络诊断技术在学习、推理、联想及容错 能力方面均有很大的优越性．在健康监测的研究中具有非 常广阔的前景 １ 神经网络系统概述 是灵敏的 结构响应和结构设计变量之间存在复杂的映射 函数关系。任何结构都可以看作是由刚度、质量、阻尼矩阵 等组成的力学系统．结构一旦出现损伤．结构参数也随之发 生改变，从而导致系统的静态参数（位移、应变等）及动态参 数（频率、振型等）发生改变。基于Ｋｏｌｍｏｇｏｒｏｖ的任意连续 神经网络技术的特点主要有３个：（１）训练过的神经 网络能够存储有关过程的知识．根据对象的正常历史数据 训练网络．然后将此信息与当前测量数据进行比较．以确定 损伤；（２）神经网络具有滤出噪声及在有噪声情况下得出 里墼重 塞堡： 坚： 堡些工Ｋｏｌｍｏｇｏｍｖ多层神经网 【收稿日￣１２０１４．０４．１４ 【作者简介】张杨，江苏省建筑科学研究院有限公司，助理工程师。 络映射存在定理．从理论上论证了一个任意的连续函数都 能与一个３层神经网络建立映射关系 这为人工神经网络 用于结构模型修正提供了理论基础ｆａｌ ２神经网络损伤诊断的两级识别策略 基神经于网络判别指标过滤方法的两级识别策略．具 有物理意义清晰，定量、定性的特点。应用于结构的损伤诊 断．可以有效解决结构不适定性、非线性带来的评估误差及 精度问题 ２．１自适应神经网络（Ａｕｔｏ２ａｓｓｏｃｉａｔｅ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ１ 自适应神经网络方法基于无损伤结构在正常服役条件 下的实测响应数据（某个动力特性参数、或多个动力特性参 数）作为训练对象（人工神经网络的输入和输出数据Ｘ、Ｙ）， 依次构造一个自相关的神经网络Ｎｅｔ＝ＴｆＸ—Ｙ１。训练完成 后．循环迭代输入数据Ｘ进入已训练的神经网络Ｎｅｔ。获得 输出数据Ｙｎ。通过选取合适的残差判断函数．通过对比数 据Ｙ和网络输出数据Ｙｎ的差值向量．采用某种距离测度 函数加以测量形成健康结构的判别指标Ｖｉ。当结构发生损 伤．实测响应数据Ｘｄ被作为输入数据通过已经训练的神 经网络Ｎｅｔ．由输入数据Ｘｄ和输出数据Ｙｄ可以计算得到 的新的判别指标Ｖｄ．并与Ｖｉ相比较计算差值构建损伤指 标Ｄｉ来判定损伤。当Ｄｉ大于既定残差函数时。即判定结构 已经发生损伤 ２．２概率神经网络（Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＰＮＮ） 自适应神经网络方法构建自相关网络Ｎｅｔ．将实测响 应信息迭代计算Ｄｉ．可以定性判定是否存在损伤．在损伤 确定的条件下．可通过概率神经网络ＰＮＮ判定损伤的位 置、类型。ＰＮＮｔ９．＇ａ１１１是通过具有无参估计量的已知数据集的 概率密度函数来实现贝叶斯决策．将其加在人工神经网络 框架中．接着进行判别未知数据最大可能属于哪个已知数 集，构建一个包含损伤类别０。、０２…．０。…０ 集合，基于Ｐ维 试验向量Ｘ的贝叶斯决策ｄ ｆ Ｘ１为 ｄ（Ｘ）∈ （ ））＞ｈ，ＪｏＣ（ｘ），ｋ≠ｑ （１） ｈｊ——分类指标０ｉ的先验概率。 ｌｊ——与错误分类ｄ（）（） ｏｊ的相关损失。 ——采用多变量高斯（Ｇａｕｓｓ）分布函数的概率密 度函数： Ａ（ｘ） １耋ｅｘｐ［＿ ］（２） 将该贝叶斯决策映射为一个人工神经网络构成一个概 率神经网络，如图１所示。 向量Ｘ｛Ｘ１、Ｘ２、Ｘ３、Ｘ４…Ｘｉ卜一输入层的输人参数。 权重向量Ｗｉ和向量Ｘ的点积ｚｊ构成中间层的神经元，而 相对与分类号ｑ的决策层神经元输出为： ｆａｘ）＝∑ ∑ｅｘｐ［（Ｘ・ 一１）／ｏ－３ （３） Ｊ＝１ 』；１ 一高斯核标准差 在应用中，构建的损伤位置或类型假定有多种。以结构 江苏建筑 ２０１４年第５期（总第１６４期） 输入层 模式层 ＳｎＳ 求和层 决策层 ｉ。ｋ 图ｌ 多类分类问题的４层ＰＮＮ结构示意图 的自振频率变化率为例．输入向量Ｘ为Ｐ个自振频率变化 率。将带有某种类型损伤ｆ或混合模式损伤１的实测模态数 据输入训练好的ＰＮＮ，得出决策层ｆ输出层１各个损伤形态 在试验向量点对应的概率密度函数ＰＤＦ的估计值。其中． 最大ＰＤＦ估计值对应的预设损伤集合中则得出损伤的位置 及类型 ３应用及展望 美国Ｐｕ ｕ大学的Ｖｅｎｋａｔｓｕｂｒｍａｎｉａ和Ｃｈａｎ第一次运 用ＢＰ网络进行了工厂结构的损伤检测与诊断．其后的研究 中．Ｋｕｄｖａ将神经网络两级识别策略运用于平板结构损伤 诊断．提出了大型结构损伤检测的方法蚴：杨英杰等开发了 评估钢筋混凝土梁的神经网络系统㈣：Ｗｏｒｄｅｎ等运用神经 网络识别了一个２０根构件组成的结构的损伤［１４１：Ｐａｎｄｅｖ用 两级识别策略．基于三层神经网络对大桥桁架结构进行损 伤评估【ｌ５】 近年来．结构损伤诊断的研究取得了长足进展。上述基 于神经网络的损伤诊断研究表明了在这个领域的研究成 果．同时也揭示了尚未解决的问题。（１）如何选取合适的网 络形式及网络参数以及样本集的组成是神经网络两级识别 策略应用的关键．研究有效的网络输入参数是一个新的内 容；（２）人工神经网络具备高度适应性。学习能力和容错能 力．但其黑箱系统的特性决定了其硬件实施的复杂性．如何 提高算法的实现效率亟待研究：（３）基于基准有限元模型的 神经网络二级识别策略必然伴随着模型误差的不利因素． 如何与精密建模理论和方法相结合也亟待研究 参考文献 『１１欧进萍．重大工程结构的累积损伤与安全评定走向世纪 的中国力学『ｃ］／／中国科协第９次青年科学家论坛报告文集． 北京：清华大学出版社，１９９６：１７９—１８９． 『２１李宏男，高东伟，伊廷华．土木工程结构健康监测系统的 研究状况与￣ｇ，－ＩＪ］．力学进展，２００８，３８（２）：１５１－１６６． 『３１姜绍飞，周广师，刘红兢．考虑不确定性因素的结构损伤 检测方法．沈阳建筑工程学院学报Ｕ】．２００２，１８（２）：８５￣８７． 江苏建筑 ２０１４年第５期（总第１６４期） ５ 『１０］－Ｆ－柏生，倪一清，高赞明．用概率神经网络进行结构损伤 【４】李兆霞，李爱群，陈鸿天，郭力，周太全．大跨桥梁结构 以健康监测和状态评估为目标的有限元模拟ｍ．东南大学 学报，２００３，３３（５）：５６２—５７２． 『５１朱安文，曲广吉，高耀南．结构动力模型修正技术的发展 Ⅱ］．力学进展，２００２，３２（３）：３３７－３４８． 位置识别Ⅱ】．振动工程学报，２００１，１４（１）：６０＂６４． 【１１】姜绍飞，倪一清，高赞明．基于概率神经网络的青马悬索 桥损伤定位的仿真研究Ⅱ】．工程力学，２００１（Ｓ）Ｉ：９６５￣９６９． 【１２】Ｋｕｄｖａ Ｊ Ｎ，Ｍｎｕｉｒ Ｎ．ａｎｄ Ｔａｎ Ｐ Ｗ．ｄａｍａｇｅ ｄｅｔｅｃｔｉｏｎ ｉｎ ｓｍａｒｔ ｓｔｒｕｃｔｕｒｅｓ ｕｓｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｎｄ ｆｉｉｔｅ——ｅｌｎｅｍｅｎｔ ｎａａｌｙｓ￣ｓ．Ｓｍａｒｔ Ｍａｔｅｒ．Ｓｔｍｃ．，１９９２，１：１０８—１１２． 【６】Ｈｏｕｓｎｅｒ Ｇ．Ｗ．ｅｔ １．Ｓｔａｒｕｃｔｕｒａｌ ｃｏｎｔｒｏｌ：Ｐａｓｔ，Ｐｒｅｓｅｎｔ，ａｎｄ Ｆｕｔｕｒｅ／Ｊ】Ｊｏｕｒｎａｌ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ Ｍｅｃｈａｎｉｃｓ．ＡＳＣＥ．１ ９９７． １２３（９）：８９７＂Ｏ７１． 【７】Ｓｔｅｐｈａｎｉｅ Ａ．ｅｔ ａ１．Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｓｔｕａｙ ｏｎ Ｐｌａｔｅ Ｄａｍａｇｅ 【１３】杨英杰．结构故障诊断智能系统的研究 ．东北大学，１９９３． 【１４］Ｅｌｋｏｒｄｙ ｅｔｃ，Ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｒａｉｎｅｄ ｂｙ ａｎａｌｙｔｉｃａｌｌｙ ｓｉｍｕ— ｌａｔｅｄ ｄａｍａｇｅ ｓａｔｔｅｓ．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｉｎｇ ｉｎ Ｃｉｖｉｌ Ｅｎ￣ｎｅｅｆｉｎｇ． １９９３，７（２）：１３０—１４５． Ｉｄｅｎｔｉｉｆｃａｔｉｏｎ．【Ｒ】．ＮＤＥ ｆｏｒ Ｈｅｌａｔｈ Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｄｉａｇ－ ｎｏｓｔｉｃｓ，Ｓａｎ Ｄｉｅｇｏ，２００２，４７０２２１７． 【８】段雪平，朱宏平，熊世树．神经网络在建筑物有限元模型 修正中的应用Ⅱ】．噪声与振动控制，２ｏｏｏ￣）：１１￣１４． 『９１杜德润．地震作用下大体积混凝土结构损伤识别研究 【１ ５］Ｐａｎｄｅｙ．Ｐ．Ｃ．，Ｂａｒａｉ．Ｓ．Ｖ．Ｍｕｌｔｉｌａｙｅｒ ｐｅｒｃｅｐｔｉｏｎｉｎ ｄａｍａｇｅ ｄｅｔｅｃｔｉｏｎｏｆ ｂｒｉｄｇｅ ｓｔｒｕｃｔｕｒｅｓ．Ｃｏｍｐｕｔｅｒｓ ａｎｄ Ｓｔｒｕｃｔｕｒｅｓ．１ ９９５， ５４（４）：５９７－６０８． 『【）１．东南大学，２００２． （上接第３７页） 表２ 承台与底板工程量比较 表３ 承台与底板工程造价对比 （３）承台、底板厚度是针对指定水浮力荷载选取而得， 如果荷载变化．可以在承台边长基本不变的情况下．适当调 整承台及板厚。同样可以取得良好的技术、经济效益； （４）尚需研究的问题：本文事先假定了承台厚度不变之 混凝土 １７６．８ ｌ６５．９ １５３．０ 工况进行分析．如何考虑承台厚度变化对工程受力及经济 性的影响．还有待于进一步地研究。 参考文献 钢筋 土方开挖 ２ｌ６．５ ３１．２ ６ ４３０．５ ２０８．３ ２９＿３ ８．４ ４１１．９ ２０６．１ ２７．０ １０．８ ３９６．９ 砖胎膜 总造价 【ｌｌＧＢ５００１０—２０１０混凝土结构设计规范【ｓ】．中国建筑工业 出版社．２０１０． 【２Ｕｑ９４—２００８建筑桩基技术规范【ｓ】．中国建筑工业出版 ６结论 社．２００８． 采用独立基础或承台兼柱帽的防水底板．已成为目前 地下室车库底板设计的常用方案．在此基础上．针对单桩承 【３】李国胜，闰颖．高层建筑地下室及地下车库结构选型的 经济比较Ⅱ】．建筑结构．技术通讯，２００７（１）：１—４． 台兼柱帽的防水底板，提出了进一步的优化设计分析．得出 以下结论： （１）通过合理的增加承台尺寸同时减小底板厚度．使得 【４】朱炳寅．建筑结构设计问答与分析【Ｍ】．中国建筑工业出 版社．２００９． 【５】朱聘儒．双向板无梁楼盖【Ｍ】．中国建筑工业出版社，１９９９． 【６］ＰＫＰＭ系列用户手册【Ｍ】．中国建筑科学研究院ＰＫＰＭ ＣＡＤ工程部．２０１３． 承台及底板受力合理且可以取得良好的经济效益： （２）２桩承台的短向也可类似处理．至于３桩及以上承台 因为边长一般大于等于２ ５００ ｍｍ，没有必要再做特殊放大：