一种基于径向基函数神经网络的桥梁健康状况的评估方法和系统技术方案

本发明专利技术提供的一种基于径向基函数神经网络的桥梁健康状况的评估方法，包括以下步骤：S1：获取网络评估参数和桥梁的物理量的数据值组；S2：根据所述网络评估参数和所述数据值组，通过径向基函数神经网络计算桥梁健康状况的评估值；S3：对比所述评估值和桥梁损伤指数等级，判断桥梁的健康状况等级。该方法的评估过程的具备较高的客观性和科学性。同时，本发明专利技术还提供了基于上述方法的评估系统，利用该评估系统实现评估过程的自动化，无需评估者手动计算，大大提高了桥梁评估效率。

Evaluation method and system of bridge health based on radial basis function neural network

The present invention provides a method for assessing the health of Bridges Based on radial basis function neural networks, including the following steps: S1: obtaining the data values of the network evaluation parameters and the physical quantities of the bridge; S2: according to the network evaluation parameters and the data set, the bridge health is calculated by the radial basis function neural network. S3: compare the assessment value and the bridge damage index grade to determine the bridge's health status. The evaluation process of the method has higher objectivity and scientificity. At the same time, the invention also provides an evaluation system based on the above method, which uses the evaluation system to automate the evaluation process, without the manual calculation of the assessor, and greatly improves the efficiency of the bridge evaluation.

【技术实现步骤摘要】
一种基于径向基函数神经网络的桥梁健康状况的评估方法和系统
本专利技术属于桥梁工程健康监测
，具体涉及一种基于径向基函数神经网络的桥梁健康状况的评估方法和系统。
技术介绍
桥梁建设是国家重要的基础建设之一，桥梁工程是关系社会和经济协调发展的生命线工程。由于环境影响、日益增长的交通量、以及公路运输业经常提倡提高汽车荷载标准，因此许多城市桥梁不能满足为设计新桥而规定的结构要求；劣化和荷载的增加也导致了桥梁可靠性的降低，留下安全隐患，造成不可挽回的经济损失和安全事故。因此，建立科学的桥梁健康状况评估体系及评估方法，正确评价桥梁结构的安全状况，对确保道路运输畅通和交通安全具有极其重要的理论和现实意义。传统的桥梁健康状况评估方法一般采用专家评价法或者模糊评价法，这些方法主观性强，并且计算困难，为评估者实时握桥梁健康状况增加了难度。
技术实现思路
为了解决上述问题，本专利技术提供可以一种可以客观地评价桥梁健康状况的基于径向基函数神经网络的桥梁健康状况的评估方法和系统。为实现上述目的，本专利技术按以下技术方案予以实现的：本专利技术提供一种基于径向基函数神经网络的桥梁健康状况的评估方法，包括以下步骤：步骤S1：获取网络评估参数和桥梁的物理量的数据值组；步骤S2：根据所述网络评估参数和所述数据值，通过径向基函数神经网络计算桥梁健康状况的评估值；步骤S3：对比所述评估值和桥梁损伤指数，判断桥梁的健康状况等级。进一步地，所述网络评估参数包括：输入层至中间层的连接权值wij，i＝1,2,…,n，j＝1,2,…,p；中间层至输出层的连接权值vjt，j＝1,2,…,p，t＝1,2,…,p；中间层各单元的输出阀值θj，j＝1,2,…,p；输出层各单元的输出分值γj，j＝1,2,…,p。进一步地，所述桥梁的物理量的数据值组包括主梁沉降值、主梁震动值、伸缩缝变形值、桥塔位移值、拉索应力值、桥墩位移值和桥墩沉降值。进一步地，在步骤S2中，计算桥梁健康状况的评估值的过程包括如下参数：Pk＝(a1,a2,…,an)：径向基函数神经网络的输入向量，该输入向量即为所述桥梁的物理量的数据值组；Sk＝(s1,s2,…,sp)：径向基函数神经网络的中间层输入向量；Tk＝(b1,b2,…,bp)：径向基函数神经网络的中间层输出向量；L：径向基函数神经网络的输出层单元输入向量；C：径向基函数神经网络输出向量，即桥梁健康状况的评估值；在步骤S2中，计算桥梁健康状况的评估值的具体过程，包括如下步骤：步骤S21：根据输入向量Pk＝(a1,a2,…,an)、所述输入层至中间层的连接权值值wij和所述中间层各单元的输出阀值θj，计算中间层各单元的输入向量Sk＝(s1,s2,…,sp)，计算公式为：步骤S22：根据步骤S21得到的sj，计算径向基函数神经网络的中间层输出向量Tk＝(b1,b2,…,bp)计算公式为：步骤S23：根据步骤S22得到的bj,以及所述中间层至输出层的连接权值值vjt和所述输出层各单元的输出阀值γj，计算径向基函数神经网络的输出层单元输入向量L；计算公式为：步骤S24：根据步骤S23得到的L，计算径向基函数神经网络输出向量C，计算公式为：进一步地，所述桥梁损伤指数是一个数值区间，其包括若干连续的子区间，每个所述子区间对应一个健康状况等级；所述桥梁健康状况的评估值落入某一个子区间的范围内，则该桥梁的健康状况等级为该子区间对应的健康状况等级。进一步地，所述桥梁损伤指数等级的数值区间的范围为[0.0,1.0]，其分为五个连续的子区间，每个子区间的数值范围及对应的健康状况等级分别为：第一子区间的数值范围为[0.0,0.2)，对应的健康状况等级为第一等级；第二子区间的数值范围为[0.2,0.4)，对应的健康状况等级为第二等级；第三子区间的数值范围为[0.4,0.6)，对应的健康状况等级为第三等级；第四子区间的数值范围为[0.6,0.8)，对应的健康状况等级为第四等级；第五子区间的数值范围为[0.8,1.0]，对应的健康状况等级为第五等级；桥梁健康状况的评估值越高，代表桥梁健康状况健康状况等级越高，健康状况越差。本专利技术还提供一种基于径向基函数神经网络的桥梁健康状况的评估系统，其操作方法依据上文所述的一种基于径向基函数神经网络的桥梁健康状况的评估方法，包括：输入模块，用于输入网络评估参数和桥梁的若干类型的物理量的数据值；计算模块，根据所述网络评估参数和所述数据值，通过径向基函数神经网络计算桥梁健康状况的评估值；判断模块，用于对比所述评估值和桥梁损伤指数等级，判断桥梁的健康状况等级。进一步地，还包括数据库，所述数据库存储若所述网络评估参数、若干座桥梁的数据值组以及桥梁损伤指数等级，以供所述输入模块读取。与现有技术相比，本专利技术的有益效果是：本专利技术是基于径向基函数神经网络建立的桥梁健康状况评估方法，根据网络评估参数和桥梁的物理量的数据值组得到桥梁健康状况的评估值，再对比所述评估值和桥梁损伤指数，判断桥梁的健康状况等级，该方法的评估过程的具备较高的客观性和科学性。同时，本专利技术还提供了基于上述方法的评估系统，利用该评估系统实现评估过程的自动化，无需评估者手动计算，大大提高了桥梁评估效率。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明，其中：图1是本专利技术所述计算桥梁健康状况的评估值的流程框图；图2是本专利技术所述一种基于径向基函数神经网络的桥梁健康状况的评估系统的框图。具体实施方式以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。本专利技术提供一种基于径向基函数神经网络的桥梁健康状况的评估方法，包括以下步骤：步骤S1：获取网络评估参数和桥梁的物理量的数据值组；步骤S2：根据所述网络评估参数和所述数据值，通过径向基函数神经网络计算桥梁健康状况的评估值；步骤S3：对比所述评估值和桥梁损伤指数等级，判断桥梁的健康状况等级。其中，网络评估参数包括：输入层至中间层的连接权值wij，i＝1,2,…,n，j＝1,2,…,p；中间层至输出层的连接权值vjt，j＝1,2,…,p，t＝1,2,…,p；中间层各单元的输出阀值θj，j＝1,2,…,p；输出层各单元的输出分值γj，j＝1,2,…,p。需要说明的是，桥梁的物理量的数据值组包括但不限于主梁沉降值、主梁震动值、伸缩缝变形值、桥塔位移值、拉索应力值、桥墩位移值和桥墩沉降值，实际运用过程中，可以根据评估标准的不同，增加或减少物理量的类型。进一步地，在步骤S2中，计算桥梁健康状况的评估值的过程包括如下参数：Pk＝(a1,a2,…,an)：径向基函数神经网络的输入向量，该输入向量即为所述桥梁的物理量的数据值组；例如，在本实施例中，a1为主梁沉降值，a2为主梁震动值，其他数据值的对应关系依次类推，不再赘述；Sk＝(s1,s2,…,sp)：径向基函数神经网络的中间层输入向量；Tk＝(b1,b2,…,bp)：径向基函数神经网络的中间层输出向量；L：径向基函数神经网络的输出层单元输入向量；C：径向基函数神经网络输出向量，即桥梁健康状况的评估值；在步骤S2中，计算桥梁健康状况的评估值的具体过程，包括如下步骤：步骤S21：根据输入向量Pk＝(a1,a2,…,an)、所述输入层至中间本文档来自技高网...

【技术保护点】
一种基于径向基函数神经网络的桥梁健康状况的评估方法，其特征在于，包括以下步骤：步骤S1：获取网络评估参数和桥梁的物理量的数据值组；步骤S2：根据所述网络评估参数和所述数据值组，通过径向基函数神经网络计算桥梁健康状况的评估值；步骤S3：对比所述评估值和桥梁损伤指数等级，判断桥梁的健康状况等级。

【技术特征摘要】
1.一种基于径向基函数神经网络的桥梁健康状况的评估方法，其特征在于，包括以下步骤：步骤S1：获取网络评估参数和桥梁的物理量的数据值组；步骤S2：根据所述网络评估参数和所述数据值组，通过径向基函数神经网络计算桥梁健康状况的评估值；步骤S3：对比所述评估值和桥梁损伤指数等级，判断桥梁的健康状况等级。2.根据权利要求1所述的一种基于径向基函数神经网络的桥梁健康状况的评估方法，其特征在于，所述网络评估参数包括：输入层至中间层的连接权值wij，i＝1,2,…,n，j＝1,2,…,p；中间层至输出层的连接权值vjt，j＝1,2,…,p，t＝1,2,…,p；中间层各单元的输出阀值θj，j＝1,2,…,p；输出层各单元的输出分值γj，j＝1,2,…,p。3.根据权利要求2所述的一种基于径向基函数神经网络的桥梁健康状况的评估方法，其特征在于，所述桥梁的物理量的数据值组包括主梁沉降值、主梁震动值、伸缩缝变形值、桥塔位移值、拉索应力值、桥墩位移值和桥墩沉降值。4.根据权利要求2所述的一种基于径向基函数神经网络的桥梁健康状况的评估方法，其特征在于，在步骤S2中，计算桥梁健康状况的评估值的过程包括如下参数：Pk＝(a1,a2,…,an)：径向基函数神经网络的输入向量，该输入向量即为所述桥梁的物理量的数据值组；Sk＝(s1,s2,…,sp)：径向基函数神经网络的中间层输入向量；Tk＝(b1,b2,…,bp)：径向基函数神经网络的中间层输出向量；L：径向基函数神经网络的输出层单元输入向量；C：径向基函数神经网络输出向量，即桥梁健康状况的评估值；在步骤S2中，计算桥梁健康状况的评估值的具体过程，包括如下步骤：步骤S21：根据输入向量Pk＝(a1,a2,…,an)、所述输入层至中间层的连接权值值wij和所述中间层各单元的输出阀值θj，计算中间层各单元的输入向量Sk＝(s1,s2,…,sp)，计算公式为：步骤S22：根据步骤S21得到的sj，计算径向基函数神经网络的中间层输出向量Tk＝(b1,b2,…,bp)，计算公式为：步骤S23：根据步骤S22...

【专利技术属性】
技术研发人员：季璇，苏键，谭灵生，黎杰明，黄晓丹，
申请(专利权)人：广州市建筑科学研究院有限公司，广州建设工程质量安全检测中心有限公司，
类型：发明
国别省市：广东,44