遗传算法与数据融合在桥梁结构损伤识别中的应用分析

滕祯昳 蒋华

【摘 要】对桥梁结构损伤进行识别有着一定难度，遗传算法因其具备强大的全局搜索能力在土木结构损伤识别领域有着广泛的应用前景，再加上数据融合使得采集到的各类数据进行集中处理，能够在很大程度上增加识别结果的精确性。

【关键词】遗传算法；数据融合；结构损伤；识别

对结构损伤进行识别有着多类方式，其中遗传算法以及神经网络最为常见，但观察传统的遗传算法在效率上显得不足，并且部分情况下识别精度达不到要求。将数据融合与遗传算法进行融合能够有效解决此类状况，下面展开其在桥梁结构损伤识别中的应用分析。

一、基本遗传算法概念

（一）编码

与编码相对应的是解码，二者都是将解空间和搜索空间进行转换，从解空间到搜索空间称之为编码，反之即为解码。编码的方式涵盖多类，其中格雷码编码、二进制编码最为常见，因在解码上相比其他方式操作简便而得到广泛使用。当在精度范围上要求较高时格雷码编码更有优势，其主要应用在一些大空间、大范围数的情况，而二进制编码更让人耳熟能详，其主要优点在于编码简单且在进行一些变异、交叉这样的遗传操作时更加容易实现。

（二）适应度函数

在使用遗传算法的过程中主要利用到它能够进行最优值找寻的优势，而适应度函数就符合这种特性，并且在个体适应度更高的情况下，下一代得到特性遗传的概率也会增加，反之在个体适应度较低的情况下，很有可能出现个体在遗传的过程中遭到淘汰。

（三）选择

选择的本质就是复制，主要的目的在于对更优良的个体进行遗传传递。但不少人对于选择的理解存在一个误区，就是认为在这种选择性遗传下群体的最高适应度也会增加，这是错误的。通过复制只能够增加下一代的适应度，进而对于总的群体来说平均适应度会有所增加，但是提高最高适应度这类说法是不准确的。

（四）交叉

交叉的形式有多种：单点交叉、均匀交叉等，指的是群体中的个体通过随机配对方式使得存在一定概率交换染色体，这样一来也就产生了新的个体。

（五）变异

变异出现的可能性不高，但偶尔出现变异能够使得群体的种类多样化，以此防止群体出现早熟的状况。最为常见的变异算子有有效位变异、基本位变异等。

二、模糊逻辑数据融合

（一）基本理论

在采集数据中最为重要的一点是保证数据的准确性，部分系统需要获取到的数据是多源性的，这种情况下存在多个传感器进行数据采集，当这些传感器采集到的数据进行融合时，能够从中筛选出更有价值的信息。在数据融合中单值评价指标极为重要，由于该指标主要通过多种知识源而形成，因此能够有效反映出各个传感器采集到的数据信息，相比较单一数据源获取到的信息更加全面。模糊逻辑数据融合实质上就是建立在模糊推理、模糊判断的基础上进行相关思维决策的过程。

（二）模糊关系函数的融合

在对模糊关系函数融合进行分析时以函数u（x，y）和函数v（x，y）作为例子，通过对这两个函数进行相应的融合做出说明。

u（x，y）---基于位移进行损伤识别模糊关系函数

v（x，y）---基于频率振型进行损伤识别模糊关系函数

这两个函数通过融合后形成函数w（x，y），模糊关系函数如公式2-1所示。

f[u（x，y），v（x，y）]= w（x，y） （2-1）

通过泰勒级数的表示方式后并忽略高阶项和常数项得到2-2所示。

w=αu+βv，α+β=1（2-2）

三、遗传算法与数据融合在桥梁结构损伤识别中的应用

如图1所示为桥梁结构实物，首先将梁结构进行相应的离散，再使用无线传感器网络的方式进行数据采集，通过各类传感器对参数进行采集得到如表1所示的数据。

为了进一步分析传统遗传算法和多目标遗传算法之间的区别，在对梁结构进行施压时利用了千斤顶模拟损伤，并将各个节点上的数据进行相应的采集，利用不同遗传算法进行损伤识别，如图2、图3所示。

通过分析图4图5可以看出改进算法在50几次的时候就已经找到了最优解，而传统算法则进来了100多次。此外，在最优解的显示上改进算法也要明显于传统算法，也能够反映出改进算法在搜索性能上得到了很大的提升。

在数据融合处理方面通过实验发现单一使用频率振型识别在结果显示上不够清晰，而在数据融合之下使得损伤识别可信度得到大幅度提升，此类损伤识别方式更为直观。

四、结语

本文通过研究发现在遗传算法中加入模糊优选理论的思想后使得识别结果更加精确，与此同时也在一定程度上提升了算法的效率，在桥梁损伤识别中有着很大的发展前景。

【参考文献】

[1]孙诗裕，俞阿龙，赵磊，张鹏鹏.遗传算法与数据融合在桥梁结构损伤识别中的应用[J].公路，2016，61（04）：60-65.

[2]张佳程，周邵萍，苏永升，郝占峰.基于数据融合与单纯形遗传算法的管道损伤识别[J].华东理工大学学报（自然科学版），2015，41（01）：132-136.

[3]詹武平，肖同林，聶冲.基于遗传算法的目标轨道测量数据融合处理方法[J].电子学报，2010，38（S1）：89-93.

[4]李志宇，史浩山.基于自适应遗传算法的传感器网络数据融合算法[J].系统仿真学报，2009，21（14）：4429-4432.

[5]王天荆，杨震，胡海峰.基于遗传算法的无线传感器网络自适应数据融合路由算法[J].电子与信息学报，2007（09）：2244-2247.