基于BP神经网络的桥梁移动荷载参数识别

【目的】为了研究不同类型输入样本对移动荷载参数神经网格识别模型效率和精度的影响,并为移动荷载参数识别提供可靠的理论方法依据。【方法】通过ANSYS有限元分析和MATLAB大数据处理方法,开展了不同样本参数组合对桥梁移动荷载识别精度和效率影响的研究,分析了不同样本训练的BP神经网络对移动荷载参数识别效率与精度的影响。【结果】研究结果表明:挠度和应变混合样本作为输入参数时的BP神经网络识别效率可分别提升22.46%和34.15%,该BP神经网络对于载重的识别精度相较于挠度样本和应变样本训练下的BP神经网络可分别提升5.46%和8.25%,对于车速的识别精度相较于挠度样本和应变样本训练下的BP神经网络分别可提升15.64%和16.27%。【结论】采用挠度和应变混合样本提供输入参数的BP神经网络性能可靠,可为桥梁移动荷载参数识别研究提供重要的参考。

基于WOA-BP神经网络的桥梁移动车辆荷载参数识别研究

为高效准确地识别桥梁结构上的移动荷载参数,该文提出一种基于鲸鱼算法(WOA)的BP神经网络的桥梁移动荷载分层识别方法,构建基于WOA-BP神经网络移动荷载参数识别模型。通过该移动荷载识别模型对桥上车辆的作用车道、车速和车辆载重进行分步、耦合识别。并以某预应力简支箱梁桥为背景,通过随机车流作用下的动态响应实测数据并结合桥上车辆行驶视频资料验证该文所提出的方法及神经网络识别模型的适用性。研究结果表明:该文提出的移动荷载参数识别方法识别精度高、收敛速度快、具有较强的鲁棒性和抗噪能力,能够准确识别桥梁移动荷载参数。