基于机器学习的连续梁桥损伤识别研究

摘要

以某部分预应力混凝土四跨连续箱梁桥为背景，基于2种机器学习方法，进行连续梁桥损伤识别研究。建立三维车-路-桥耦合系统有限元模型，采用刚度折减法模拟梁体损伤，将桥梁应变差值最大值作为损伤识别指标，加入噪声并做归一化处理，得到损伤识别的训练集和测试集。分别采用BP神经网络和支持向量机（SVM）训练损伤位置与损伤程度识别模型，对比2种训练方法的识别效果。结果表明，应变差值最大值作为损伤识别指标时，对损伤有较高的敏感性；BP神经网络模型的抗噪能力比SVM模型抗噪能力强，当噪声水平增大至20%时，BP神经网络模型的损伤位置识别正确率仍在90%以上，而SVM模型的识别正确率则降至75%以下；BP神经网络模型的损伤程度识别结果的RMSE远小于SVM模型的RMSE;BP神经网络模型的R2均等于1，而SVM模型的R2均略大于1。2种模型都可以识别桥梁的损伤程度，但是BP神经网络模型比SVM模型的识别效果更好，抗噪能力更强。

关键词

损伤识别 / 应变差值最大值 / 车-路-桥耦合系统 / BP神经网络 / 支持向量机