(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 202210684360.2 (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　李登国　武瑛　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) G06F 119/14(2020.01) (54)发明名称 基于动力特性和智能算法响应面法的桥梁 可靠性预测方法 (57)摘要 本发明公开了一种基于动力特性和响应面 法的桥梁可靠性预测方法， 包括以下步骤： 对 既 有桥梁的振动特征信息进行采集和数据的预处 理； 结合桥梁设计 资料及运营状况建立结构分析 模型， 采用敏感性分析方法， 筛选出结构分析模 型的待修正设计参数； 获取输出样本， 与输入样 本构成训练样本， 对初始结构分析模型的修正； 基于修正的结构分析模型， 输出样本， 再次构建 训练样本， 并对样本点进行归一化处理， 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。 本发明的有益效果是： 计算精度 高、 估计速度快。 权利要求书3页 说明书8页 附图3页 CN 115270239 A 2022.11.01 CN 115270239 A 1.基于动力特性和智能算法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： S1对既有桥梁的振动特 征信息进行采集和数据的预处 理； S2结合桥梁设计资料及运营状况建立结构分析模型， 采用敏感性分析方法， 筛选出结 构分析模型的待修 正设计参数； S3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， 结 合智能算法， 利用步骤S1的动力特性数据， 实现对初始结构分析模型的修 正； S4基于修正的结构分析模型， 再次计算各输入样本对应的目标变量， 得到输出样本， 再 次构建训练样本， 并对样本点进行归一 化处理， 基于智能算法， 构建响应面模型； S5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； S6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所述的一种基于动力特性和响应面法的桥梁可靠性预测方法， 其特征 在于： 步骤S1中采用直接测量法或间接测量法获取桥梁结构的实际振动特征信息， 采用信 号处理的方法对 采集的振动信息进行处 理； 其中： 直接测量法： 将拾振器直接布置在桥梁控制截面， 通过数字信号采集仪对桥梁振动响 应信号进行采集， 通过采集系统实测记录的功率谱图峰值、 时域历程 曲线读取桥梁频率等 响应； 间接测量法： 将传感器安装在移动小车上， 当移动小车驶过桥梁发生车桥耦合作用， 从 车体的加速度响应中提取桥梁的动力特性方法， 获取桥梁频率 等信息； 信号处理方法： 对拾振器采集到的时域信号通过傅里叶变换， 可以得到桥梁频率特征 的频域结果； 傅里叶变换公式为： 式中： j为虚单位， j^2＝ ‑1， 无单位； T为周期， 单位为秒； X为x的原函数； t为时间， 单位 为秒； ω为频率， x(t)为连续时间信号。 3.如权利要求2所述的一种基于动力特性和响应面法的桥梁可靠性预测方法， 其特征 在于： 步骤S2 根据既有桥梁设计资料， 确定桥梁设计参数的取值， 建立桥梁的初始结构分析 模型， 并对各设计参数进行 敏感性分析， 筛 选出对桥梁结构响应 较大的设计参数。 4.如权利要求3所述的一种基于动力特性和响应面法的桥梁可靠性预测方法， 其特征 在于： 步骤S2 根据既有桥梁的设计资料， 采用有限元软件建立桥梁结构的数值分析模型； 采 用敏感性分析方法， 对桥梁敏感性设计参数进行筛选； 敏感性分析方法采用Morris法， Morris法通过 单个因子的变化 量引起输出响应的变化， 其计算公式为： 式中： di(j)为第i个参数第j组样本的基效应， j＝1,2,3, …R(R为重复抽样次数)， n为参 数个数； xi为第i个参数， Δ为单个参数微小变化 量， f(.)为对应参数组的响应输出； Morris法提出了两个计算指标判断参数的敏感性， 即基效应均 值 μ和标准差σ； 其中μ表 征参数的敏感度， 确 定参数的排序， σ 表征参数之间的非线性程度； 通过Morris法计算结果权　利　要　求　书 1/3 页 2 CN 115270239 A 2筛选出需要修 正的关键设计参数。 5.如权利要求1所述的一种基于动力特性和响应面法的桥梁可靠性预测方法， 其特征 在于： 步骤S 3计算各输入样 本对应的目标变量， 基于均匀设计理论， 构建空间满布的设计参 数与振动响应之间的训练样本， 代入智能算法程序进行学习训练； 调用步骤S1所获取 的桥 梁振动特征信息作为输入参数， 代入响应面模型， 预测各设计参数的实际值， 将设计参数的 预测值代入步骤S2所建立的初始结构分析模型， 实现对桥梁结构分析模型的修正， 修正后 的分析模型与既有桥梁的实际状态相吻合。 6.如权利要求5所述的一种基于动力特性和响应面法的桥梁可靠性预测方法， 其特征 在于： 步骤S 3采用拉丁超立方抽样法从设计参数的分布区间中进 行高效采样， 对于有 K个变 量x1,x2,...,xk， 从中抽取N个样本， 每个变量的累 计分布被分成相同的N个小区间， 从每一 个区间随机选择一个值， 每一个变量的N个值和其从他变量的值进 行随机组合， 该方法能够 保证每一个变量范围的全覆盖； 以各设计参数为输入数据， 以各组设计参数对应的结构振 动响应为输出数据， 生成训练样本； 在训练样本构建完成基础上， 建立高斯过程响应面模 型； 高斯过程响应 面模型对 于训练样本 集(x1,t1)、 (x2,t2)...(xN,tN)， ti为xi对应的目标值， 预测一组新输入量xN+1可得对应的目标值tN+1， 其训练集 为： R＝{(Xi,Ti),i＝1,2,3,. ..,i,...,N}      (3)； 训练集的联合 概率分布服从高斯分布： f(TN)～GP(m(x),K(x,x') )     (4)； 其中： m(x)＝E[f(x)]        (5)； K(x,x')＝E[f(x) ‑m(x)(f(x') ‑m(x'))]    (6)； 其中， m(x)为均值； f(x)为关于样本点的函数； E为均值的符号； K(x,x')为协方差矩阵； 通过确定均值m(x)及协方差矩阵K(x,x')即可确定相应的高斯过程响应面模型； 高斯过程响应面模型建立完成后， 将步骤S1获取的桥梁动力特性结果输入高斯过程响 应面模型， 计算设计参数的预测结果， 将该预测结果代入步骤S1的初始结构分析模 型， 完成 对初始结构分析模型的修 正。 7.如权利要求6所述的一种基于动力特性和响应面法的桥梁可靠性预测方法， 其特征 在于： 步骤S4中基于修正后的结构分析模型， 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； 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； 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： 权　利　要　求　书 2/3 页 3 CN 115270239 A 3