一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法技术

本发明专利技术涉及一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法，首先根据桥梁构件和所受外荷载设置贝叶斯网络（BN）节点；通过力的传递路径逐步建立单个时间片下的静态BN拓扑；相邻时间片的荷载节点间通过有向弧连接，以外荷载为状态转移变量，将不同时间片的静态BN拓扑关联起来，得到动态BN拓扑；然后，计算出每组参数样本对应的响应样本；接着，建立动态BN；最后，将桥梁部分构件的监测数据作为证据输入到所建立的动态BN模型的对应节点，提出多目标粒子群搜索算法，通过启发式推理得到不同时刻其他节点的最大应力值及体系可靠度，基于此实现对桥梁结构的安全评估。本发明专利技术可以评估桥梁其他构件和体系的即时安全性，还能预测将来的安全性。

【技术实现步骤摘要】
一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法
本专利技术涉及土木工程结构安全评估领域，特别是一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法。
技术介绍
交通荷载水平的变化及结构性能退化导致桥梁结构的安全性逐渐降低，亟需进行实时健康监测和安全性评估。近年来，计算机技术和信号处理技术等学科的发展促进了桥梁健康监测领域的发展，但由于成本上的制约，使得实际应用时传感器布置数目往往有限，监测数据具有时间维度上体量大、构件尺度上不完备的特点，同时考虑到桥梁构件种类繁多、结构体系复杂，实时评估桥梁安全性尤为困难。外荷载作用使得桥梁构件中产生内力(应力)，且各构件间的应力相互影响，相邻构件间具有较为明确的力学因果关系，可以通过图模型的方式来体现构件间的这种关系。贝叶斯网络(BayesianNetworks,BN)是一种通过图模型表示各节点间因果关系的人工智能方法，可分为静态和动态两种类型，其中动态BN可以看作是静态BN在时间维度上的拓展，其不仅可以评估桥梁结构的即时安全性能，还能预测将来的安全性，更具实用性。传统动态BN往往通过状本文档来自技高网...

【技术保护点】
1.一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法，其特征在于：包括以下步骤：/n步骤S1:根据桥梁构件和所受外荷载设置BN节点，所述BN节点包含外荷载节点、构件节点和体系节点；各节点均考虑为一连续型变量，为服从正态分布的概率密度函数；外荷载节点变量和构件节点变量分别表示外荷载和构件最大应力，体系节点表示可靠度指标；用X

【技术特征摘要】
1.一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法，其特征在于：包括以下步骤：
步骤S1:根据桥梁构件和所受外荷载设置BN节点，所述BN节点包含外荷载节点、构件节点和体系节点；各节点均考虑为一连续型变量，为服从正态分布的概率密度函数；外荷载节点变量和构件节点变量分别表示外荷载和构件最大应力，体系节点表示可靠度指标；用Xt＝[xt,1,xt,2,…,xt,m,…,xt,M]表示BN节点变量集合，设其节点数目为M；
步骤S2:令外荷载节点为BN拓扑的顶层父节点，通过力的传递路径逐步建立荷载和构件间的拓扑关系；随后令各外荷载节点和构件节点均指向体系节点，从而建立单个时间片下的静态BN拓扑；
步骤S3:在步骤S2的基础上，相邻时间片的外荷载节点间通过有向弧连接，反映荷载间在时间轴上的依赖关系，弧的方向由t时刻外荷载节点指向t+1时刻外荷载节点，即以外荷载为状态转移变量，由此将不同时间片的静态BN拓扑关联起来，得到动态BN拓扑；
步骤S4:考虑外荷载及构件的材料、几何参数的不确定性并假设其概率分布，对T个时刻的分布进行随机抽样，将得到的参数样本输入桥梁的有限元仿真模型，计算出每组参数样本对应的响应样本，并输出BN节点值(T×M)；重复进行N次抽样过程，得到用于条件概率分布学习所需的样本库(N×T×M)，实现对条件概率分布的学习，建立动态BN模型；
步骤S5:将桥梁部分构件的监测数据xt,m＝e作为证据输入到步骤S4所建立的动态BN模型的对应节点，提出多目标粒子群BN搜索算法，通过启发式推理得到某时刻其他节点xt,m≠e值，其中包含的各构件最大应力值和体系可靠度作为桥梁结构的安全评估的参考；
步骤S6:判断是否有新的证据，若出现新的证据，重复步骤S5，以此得到不同时刻的安全评估结果，否则，结束评估。


2.根据权利要求1所述的一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法...

【专利技术属性】
技术研发人员：方圣恩，谭佳丽，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35