一种斜拉桥的索力实时预测装置的制作方法

文档序号:5862124阅读:316来源:国知局
专利名称:一种斜拉桥的索力实时预测装置的制作方法
技术领域
本实用新型涉及一种斜拉桥的拉索索力预测装置。特别是适用于大跨度斜拉桥的拉索索 力实时预测装置。
背景技术
在大跨度斜拉桥的生命周期中,斜拉索索力是很重要的监测项目。定期实测所有斜拉索 的索力可以及时分析桥梁的运行状态,为大桥的安全运行提供必要的前提条件。由于大跨度 斜拉桥拉索数据量众多,同时测量斜拉桥的所有斜拉索的索力是相当费时费力的工作。实际 上,在桥梁健康监测过程中很少监测一座斜拉桥所有斜拉索的索力变化,而是仅仅监测少量 的几根关键斜拉索。当斜拉桥的某根拉索的索力发生变化时,其余拉索的索力也会相应发生 改变。由于桥梁结构系统的复杂性,各拉索索力的相互影响关系很难用传统的模型来表达。

实用新型内容
本实用新型所要解决的技术问题在于提供一种斜拉桥的索力实时预测装置,它通过少量 被监测拉索的索力预测出其余拉索的索力值,大大节省索力测量的时间和人力成本,具有较 好的转化应用前景。
为解决上述技术问题,本实用新型的技术方案 一种斜拉桥的索力实时预测装置。其构 成包括索力测量装置和索力计算装置,所述的索力测量装置安装在需要实时监测的部分斜拉 桥拉索上,索力测量装置通过通信电缆连接至索力计算装置。
上述的斜拉桥的拉索索力实时预测装置中,所述的索力测量装置采用的是CA-YD-189低 频振动加速度传感器。
前述的斜拉桥的拉索索力实时预测装置中,在所述的索力计算装置中装有放大电路、滤 波电路和A/D转换电路。
前述的斜拉桥的拉索索力实时预测装置中,所述的放大电路采用AD620放大电路,滤波 电路采用MAX294滤波电路,A/D转换电路采用PCI-6220。
本实用新型的有益效果与现有技术相比,利用本实用新型可以在少量已知索力的基础上,利用人工神经网络模型快速预测出其它未知索力的大小,实时监测整个斜拉桥所有拉索 的索力变化,解决了目前斜拉桥在拉索索力监测方面的难题,大大节省了测量索力的时间与 人力、物力成本,为确保大桥的安全运行提供了良好的技术保障,有利于斜拉桥的监测、养 护及安全评估,具有良好的经济和社会效益。

图l是本实用新型的构成原理图; 图2是索力预测人工神经网络模型的结构示意图; 图3是索力预测人工神经网络模型的算法程序框图。
以下结合附图和具体实施方式
对本实用新型作进一步的说明。
具体实施方式

实施例l。设定斜拉桥已知的索力有8根,需预测余下的80根拉索的索力。
如图1所示,本实用新型的索力实时预测装置包括以下几部分1)索力测量装置。本实 施例中索力测量装置1布置在受实时监测的8根拉索上;索力测量装置1采用的是CA-YD-189低 频振动加速度传感器。2)索力计算装置。索力计算装置2用于采集8个索力测量装置1的信号 并计算其索力。在索力计算装置2中装有放大电路、滤波电路和A/D转换电路,其中放大电路 采用AD620放大电路,滤波电路采用MAX294滤波电路,A/D转换电路采用PCI-6220。 8个索力 测量装置1经同轴电缆连接至索力计算装置2,索力测量装置l采集到的拉索加速度信号经放 大、滤波、A/D转换后进行采样,并计算索力,索力计算采用振动基频法。
在需要预测斜拉桥的索力时,先利用本实用新型的索力实时预测装置实时监测斜拉桥8 根拉索的索力值;并利用该索力值建立斜拉桥的索力预测人工神经网络模型;然后训练上述 的索力预测人工神经网络模型,建立已知的8根拉索索力与未知的余下80根拉索索力变化之 间的映射模型;再根据被实时监测的8根拉索的索力值计算出未受监测的余下80根拉索的索 力值,从而计算出全部拉索的索力。
如图2所示,索力预测人工神经网络模型采用三层结构,含输入层、隐含层和输出层, 其中输入层采用purelin作用函数,隐含层采用log-sigmoid作用函数,输出层采用purelin 作用函数。输入层节点点数为有限的已知索力的受实时监测的斜拉索数目,在本实施例中设 置为8;输出层节点点数为余下的要预测索力的斜拉索的数目,在本实施例中,设置为80; 隐含层节点点数采用训练时收敛速度较快及使同一训练样本误差最小时的节点数,在本实施 例中,设置为256。初始权值矩阵采用足够小的初始权值,即abs(初始权值)〈0。在本实施例 中,采用符合条件的伪随机数发生器产生的数据。索力预测人工神经网络模型训练的样本集为尽可能多的全部斜拉索实测索力数据。训练过程采用误差反向传播算法。检验样本为全部 斜拉索的实测索力数据。
结合图3,索力预测人工神经网络模型的学习过程分两个阶段第一阶段是下向传播过 程给出输入的拉索索力,通过输入层经隐含层逐层处理并计算每个单元的实际输出值。第 二阶段是反向传播过程若输出层未能得到期望的索力输出值,则逐层递归地计算实际输出 索力与期望输出索力之差值(即误差),以便根据此差调节权值。这两个过程的反复运用, 使得误差信号最小。实际上,误差达到所期望的要求时,网络的学习过程就结束了。当索力 预测人工神经网络模型训练完毕达到预定目标后,即可利用该模型预测斜拉桥全部斜拉索的 索力。
本实用新型的实施方式不限于上述实施例,在不脱离本实用新型宗旨的前提下做出的各 种变化均属于本实用新型的保护范围之内。
权利要求1.一种斜拉桥的索力实时预测装置,包括索力测量装置(1)和索力计算装置(2),其特征在于所述的索力测量装置(1)安装在需要实时监测的部分斜拉桥拉索上,索力测量装置(1)通过通信电缆连接至索力计算装置(2)。
2 根据权利要求l所述的斜拉桥的索力实时预测装置,其特征在于 所述的索力测量装置(1)是CA-YD-189低频振动加速度传感器。
3 根据权利要求l所述的斜拉桥的索力实时预测装置,其特征在于 在所述的索力计算装置(2)中装有放大电路、滤波电路和A/D转换电路。
4 根据权利要求3所述的斜拉桥的索力实时预测装置,其特征在于 所述的放大电路采用AD620放大电路,滤波电路采用MAX294滤波电路,A/D转换电路采用 PCI—6220。
专利摘要本实用新型公开了一种斜拉桥的索力实时预测装置,包括索力测量装置(1)和索力计算装置(2),所述的索力测量装置(1)安装在需要实时监测的部分斜拉桥拉索上,索力测量装置(1)通过通信电缆连接至索力计算装置(2)。利用本实用新型可以在少量已知斜拉桥索力的基础上,利用人工神经网络模型快速预测出其它未知索力的大小,实时监测整个斜拉桥所有拉索的索力变化,解决了目前斜拉桥在拉索索力监测方面的难题,大大节省了测量索力的时间与人力、物力成本,为确保大桥的安全运行提供了良好的技术保障,具有良好的经济和社会效益。
文档编号G01L5/04GK201429485SQ200920305169
公开日2010年3月24日 申请日期2009年6月26日 优先权日2009年6月26日
发明者刘志杰, 谢晓尧, 彦 陈 申请人:贵州师范大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1