(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210684319.5 (22)申请日 2022.06.16 (71)申请人 浙江工业大 学 地址 310014 浙江省杭州市拱 墅区潮王路 18号 (72)发明人 卢彭真　武瑛　洪韬　李登国　 卢立波　 (74)专利代理 机构 杭州天正专利事务所有限公 司 33201 专利代理师 崔国艳 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01)G06N 3/08(2006.01) G06F 119/02(2020.01) (54)发明名称 基于响应面法的桥梁可靠性预测方法 (57)摘要 本发明公开了一种基于响应面法的桥梁可 靠性预测方法， 包括以下步骤： 确定桥梁结构设 计状态下随机变量统计特征及概率分布， 利用均 匀设计法生成输入样本点； 结合桥梁设计资料及 运营状况建立结构分析模型， 计算输入样本对应 的目标变量， 得到输出样本， 与输入样本构成训 练样本； 对样本点归一化处理， 基于智 能算法构 建响应面模型； 随机变量标准正态化， 采用罚函 数将约束优化问题转化为无约束优化问题， 利用 优化算法获取随机变量的最优权重； 通过构建响 应面模型预测结果建立用于结构可靠度指标求 解的数学模型。 本发明有益效果是： 计算精度高、 估计速度快、 可与已有有限元分析软件相结合， 适于结构分析代价较高、 高度非线性隐式功能函 数的可靠性问题。 权利要求书2页 说明书6页 附图3页 CN 115525942 A 2022.12.27 CN 115525942 A 1.基于响应面法的桥梁可靠性预测方法， 其特 征在于， 包括以下步骤： (1)确定桥梁结构设计状态下随机变量统计特征及概率分布， 利用均匀设计法生成输 入样本点； (2)结合桥梁设计资料及运营状况建立结构分析模型， 计算各输入样本对应的目标变 量， 得到输出样本， 进 而与输入样本构成训练样本； (3)对样本点进行归一 化处理， 基于智能算法， 构建响应面模型； (4)随机变量标准正态化， 采用罚函数将约束优化问题转化为无约束优化问题， 利用优 化算法获取随机变量的最优权 重； (5)通过所构建响应面模型的预测结果建立用于结构可靠度指标求 解的数学模型。 2.如权利要求1所述的基于响应面法的桥梁可靠性预测方法， 其特征在于： 步骤(3)中 对样本点进行归一化处理， 并基于MATLAB中的BN工具箱建立基础的DBN模 型， 通过输入样 本 点对基础模型进行 无监督训练及模型参数寻优的过程， 得到结构相关的DBN响应面模型。 3.如权利要求2所述的基于响应面法的桥梁可靠性预测方法， 其特征在于： 步骤(3)对 样本点进 行归一化处理， 用归一化处理方法对训练样本进行归一化， 使归一化后的结果在0 ～1之间， 归一 化公式： 式中： xi为样本点数据， yi为归一化后结果； 将归一化后的训练样本代入MATLAB 软件中的DBN工具箱， 计算得到关于DBN随机变量的 DBN相应面模型； 其中响应面模型的构建是利用MATLAB软件中自带的DBN工具箱， 将训练样 本数据输入DBN工具箱的算法中， 既可构建响应面模型。 4.如权利要求3所述的基于响应面法的桥梁可靠性预测方法， 其特征在于： 步骤(3)对 样本点进行归一化处理， 并基于MATLAB中的BN工具箱建立基础的DBN模 型， 然后通过输入样 本点对基础 模型进行无监督训练及 模型参数寻优的过程， 得到结构相关的DBN响应面模型； 其中DBN可以表示为(B0,B→)， 其中B0是静态BN， 表示了初始时刻节点的概率分布P(X0)， B→是 一个包含了两个相邻时间片的转移网络， 表示了两个相邻时间片各节点间的状态转移概 率， 表达式为： 式中： 为t个时间片 上第i个节点； 的父节点 可以与 在同一时间片内， 也可 以在其前一时间片内。 5.如权利要求1所述的基于响应面法的桥梁可靠性预测方法， 其特征在于： 步骤(4)中 随机变量标准正态化， 采用罚函数将约束优化问题转化为无约束优化问题， 构造适用于 PSOSA算法求解的适应度方程， 并通过PSOSA算法更新搜索粒子及粒子群的最优位置， 迭代 获得随机变量的最优权重以支持DBN模型的无监督学习 过程， 其中随机变量标准正态化中 假设各随机变量均服从标准 正态分布， 这 一过程即为随机变量标准 正态化。 6.如权利要求5所述的基于响应面法的桥梁可靠性预测方法， 其特征在于： 步骤(4)采 用罚函数法将随机变量约束优化问题转化为无约束优化问题， 通过引入函数(3)， 将约束优 化问题转 化为无约束优化问题：权　利　要　求　书 1/2 页 2 CN 115525942 A 2式中F(x, σ )为 惩罚函数， f(x)为目标函数； σ 为惩罚因子， 为惩罚项， F(x, σ )中 参数x没有限制， 可以取任意 值。 7.如权利要求1所述的基于响应面法的桥梁可靠性预测方法， 其特征在于： 步骤(5)中 通过DBN模型的预测结果建立用于结构可靠度指标求解的数学模型， 在这一过程中， 需要对 每次的DBN预测模型进行样本的更新优化， 以使DBN预测模型能够很好地逼近样本点， 直至 该模型构建足够精度的响应面， 能够真实模拟结构极限状态函数。 8.如权利要求7所述的基于响应面法的桥梁可靠性预测方法， 其特征在于： 步骤(5)通 过构建的响应面模型预测结果与结构真实极限状态函数结果进行对比， 当响应面模型的预 测结果收敛于结构真实极限状态函数结果时， 直接利用响应面预测结果进 行结构可靠度计 算； 当响应面模 型预测结果不收敛于 真实极限状态函数时， 需要对DBN预测模型进 行样本的 更新优化， 以使DBN预测模型能够很好地逼近样本点， 直至该模型构建足够精度的响应面， 能够真实模拟结构极限状态函数。权　利　要　求　书 2/2 页 3 CN 115525942 A 3