移動(dòng)車輛荷載作用于橋梁結(jié)構(gòu)的動(dòng)力響應(yīng)研究國內(nèi)外文獻(xiàn)綜述神經(jīng)網(wǎng)絡(luò)理論研究現(xiàn)狀隨著人工智能的不斷發(fā)展，針對(duì)現(xiàn)實(shí)問題中的復(fù)雜問題進(jìn)行研究時(shí)，機(jī)器學(xué)習(xí)出現(xiàn)并成為了廣泛應(yīng)用各個(gè)領(lǐng)域中的學(xué)習(xí)方法。其中機(jī)器學(xué)習(xí)中利用計(jì)算機(jī)模擬人的大腦神經(jīng)系統(tǒng)進(jìn)行數(shù)據(jù)處理的一種分析方法即神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法。人工神經(jīng)網(wǎng)絡(luò)通過模擬大腦神經(jīng)系統(tǒng)處理信息的分層原理，建立起通過許多相互關(guān)聯(lián)的神經(jīng)元形成數(shù)據(jù)分析模型，也稱為預(yù)測(cè)模型。神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的逼近能力，數(shù)據(jù)分析時(shí)可以得到接近原始數(shù)據(jù)樣本的擬合曲線，從而獲得高精度的數(shù)據(jù)樣本。其學(xué)習(xí)能力主要是由多層神經(jīng)元的連接方式、神經(jīng)元的激勵(lì)函數(shù)以及連接加權(quán)平均值等共同決定的。神經(jīng)網(wǎng)絡(luò)可以通過對(duì)原始數(shù)據(jù)樣本進(jìn)行重復(fù)訓(xùn)練，不斷調(diào)整自身網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)，減小預(yù)測(cè)值與實(shí)測(cè)值之間的誤差，對(duì)于處理具有較高隨機(jī)性及非線性的樣本數(shù)據(jù)，呈現(xiàn)出了擬合收斂迅速、計(jì)算結(jié)果精度高等優(yōu)點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)[1-5]作為神經(jīng)網(wǎng)絡(luò)中的一種，其擁有很好的容錯(cuò)性能、優(yōu)秀的適應(yīng)能力和強(qiáng)大的自我學(xué)習(xí)能力，使用BP神經(jīng)網(wǎng)絡(luò)計(jì)算器通過數(shù)據(jù)處理等方式生成車輛荷載各參數(shù)與其它統(tǒng)計(jì)方法相比更有效，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型是生成車輛荷載各參數(shù)的一項(xiàng)重要任務(wù)，進(jìn)行這方面的研究，對(duì)于研究服役期內(nèi)橋梁的交通狀況是非常有意義的。從國內(nèi)外研究來看，眾多學(xué)者對(duì)于神經(jīng)網(wǎng)絡(luò)進(jìn)行以下研究：楊新苗與王煒[6]將模糊神經(jīng)網(wǎng)絡(luò)模型與公交線路客運(yùn)量相結(jié)合的思路建立車流預(yù)測(cè)模型。魏武、張起森等[7]將尖點(diǎn)突變理論與高速路預(yù)測(cè)模型相結(jié)合，指出了相比于長期交通量統(tǒng)計(jì)，短期交通量原始數(shù)據(jù)具有規(guī)律性不明顯、計(jì)算量較繁瑣、變化趨勢(shì)不具代表性等特點(diǎn)。然后結(jié)合實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)及云端運(yùn)算的方法優(yōu)勢(shì)，研究出一種短期交通量的統(tǒng)計(jì)預(yù)測(cè)方法。此方法提高了短期交通量的數(shù)據(jù)可靠性及預(yù)測(cè)結(jié)果的準(zhǔn)確性，克服了樣本數(shù)據(jù)量不足時(shí)導(dǎo)致精度下降的問題，使神經(jīng)網(wǎng)絡(luò)算法的實(shí)用性大大提升。聶佩林[8]研究發(fā)現(xiàn)約束卡爾曼濾波組合理論對(duì)于高速路交通流預(yù)測(cè)具有較好效果，并針對(duì)現(xiàn)役高速公路交通量預(yù)測(cè)結(jié)果的誤差進(jìn)行了分析，研究發(fā)現(xiàn)對(duì)未來交通量的預(yù)測(cè)需要考慮目前的交通流量、轉(zhuǎn)移的交通流量以及激增的交通流量。這三部分的交通量大小受到地區(qū)交通環(huán)境特點(diǎn)、未來交通規(guī)劃以及交通運(yùn)營經(jīng)營成本等因素的影響，這也導(dǎo)致預(yù)測(cè)模型出現(xiàn)了較大誤差，交通量預(yù)測(cè)結(jié)果不準(zhǔn)確。楊元元[9]根據(jù)時(shí)間序列模型特性對(duì)短時(shí)間交通流進(jìn)行預(yù)測(cè)，并基于BP神經(jīng)網(wǎng)絡(luò)算法對(duì)國內(nèi)某省內(nèi)高速公路的交通量進(jìn)行了預(yù)測(cè)分析，根據(jù)該高速公路運(yùn)營期間的經(jīng)營年收入數(shù)據(jù)建立高速公路運(yùn)營期的經(jīng)營年收入與交通量的一個(gè)線性函數(shù)關(guān)系。通過數(shù)學(xué)方法對(duì)高速公路運(yùn)營期間的經(jīng)營年收入進(jìn)行統(tǒng)計(jì)，采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行預(yù)測(cè)，按照預(yù)測(cè)的年收入推出該高速公路未來交通量的預(yù)測(cè)值。但研究中未討論神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的層數(shù)對(duì)預(yù)測(cè)精度的影響。凌智[10]通過以下方面改良了BP神經(jīng)網(wǎng)絡(luò)算法，通過調(diào)節(jié)函數(shù)收斂速度及靈敏度區(qū)間以達(dá)到對(duì)算法激勵(lì)函數(shù)的改良。此外，根據(jù)外界環(huán)境中影響車流量的因素，并以此作為依據(jù)對(duì)預(yù)測(cè)模型進(jìn)行修正，最終基于改良修正預(yù)測(cè)模型對(duì)剛通車及車道改建建立預(yù)測(cè)模型，研究結(jié)果表明改良修正后的神經(jīng)網(wǎng)絡(luò)模型對(duì)定量分析的結(jié)果預(yù)測(cè)精度提高較為明顯。沈國江[11]等其他學(xué)者基于前人的研究，針對(duì)Kalmanfiltering模型和RBF模型的存在的不足進(jìn)行了歸納總結(jié)，并根據(jù)兩種算法模型的特點(diǎn)，建立了組合預(yù)測(cè)模型。不僅解決了兩種模型各自的不足和缺點(diǎn)，而且提升了預(yù)測(cè)結(jié)果的精度。劉妍[12]基于以往高速公路交通量的實(shí)測(cè)數(shù)據(jù)，利用RBF神經(jīng)網(wǎng)絡(luò)算法，建立了高速公路交通量預(yù)測(cè)模型。并根據(jù)不同時(shí)間節(jié)點(diǎn)的實(shí)測(cè)數(shù)據(jù)生成不同的訓(xùn)練樣本，通過預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行對(duì)比，驗(yàn)證該高速公路交通量預(yù)測(cè)模型的精度，對(duì)非線性的交通量變化預(yù)測(cè)分析具有一定參考價(jià)值。綜合上述，國內(nèi)外專家學(xué)者采用人工智能機(jī)器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)算法對(duì)未來交通量預(yù)測(cè)進(jìn)行了一定的研究，利用計(jì)算機(jī)并結(jié)合統(tǒng)計(jì)分析數(shù)學(xué)理論針對(duì)交通量神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型存在的缺陷和不足進(jìn)行了優(yōu)化和改進(jìn)。這促進(jìn)了預(yù)測(cè)模型智能化的發(fā)展和應(yīng)用，也使得交通量預(yù)測(cè)方法的研究理論日漸豐富。近年來，城市交通堵塞和交通事故越發(fā)嚴(yán)重，通過采用BP神經(jīng)網(wǎng)絡(luò)算法可為人們提供可靠的交通導(dǎo)向和更合理的學(xué)習(xí)交通規(guī)劃提供理論支撐，同時(shí)采用BP神經(jīng)網(wǎng)絡(luò)算法可以對(duì)車輛荷載各參數(shù)（車型、車重、車速等）進(jìn)行的預(yù)測(cè)計(jì)算，得到較高精度的預(yù)測(cè)數(shù)據(jù)，從而建立符合實(shí)際交通狀況的隨機(jī)車輛荷載模型，這對(duì)于研究隨機(jī)車輛荷載作用下橋梁結(jié)構(gòu)的動(dòng)力響應(yīng)，以及橋梁結(jié)構(gòu)未來的安全性評(píng)估具有重要意義。隨機(jī)車輛荷載研究現(xiàn)狀目前交通荷載流量調(diào)查方法[13-17]主要包括三種，傳統(tǒng)的人工調(diào)查法、半自動(dòng)調(diào)查法以及全自動(dòng)調(diào)查法，人工調(diào)查法是指派遣相關(guān)現(xiàn)場(chǎng)人員通過雙眼目測(cè)或者記錄儀器來統(tǒng)計(jì)交通車流量、車型和車重等參數(shù)，將記錄得到的數(shù)據(jù)進(jìn)行必要的匯總分類及分析。半自動(dòng)調(diào)查法是指利用高清攝像、雷達(dá)測(cè)速儀器等監(jiān)測(cè)儀器結(jié)合人工共同獲取車流量、車型和車重、車速等參數(shù)，通過對(duì)實(shí)測(cè)數(shù)據(jù)的后處理獲得相應(yīng)結(jié)論。全自動(dòng)調(diào)查法是指在公路橋梁關(guān)鍵位置上安裝實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)記錄儀器，全自動(dòng)地記錄交通車流量、車輛自身參數(shù)、車速及車間距等數(shù)據(jù)。將監(jiān)測(cè)得到的數(shù)據(jù)分類存儲(chǔ)到相關(guān)內(nèi)存卡中，減少了現(xiàn)場(chǎng)監(jiān)測(cè)的頻率。最后通過收集的車輛荷載參數(shù)數(shù)據(jù)，直接用于后期模擬現(xiàn)場(chǎng)的隨機(jī)車流，保持高精度的同時(shí)從根本解決監(jiān)測(cè)過程中帶來的高成本的問題。三種手段均可完成部分或者全部現(xiàn)場(chǎng)交通流量統(tǒng)計(jì)數(shù)據(jù)調(diào)查工作，各自優(yōu)缺點(diǎn)如圖1-3所示。圖1-3交通流量統(tǒng)計(jì)中多種調(diào)查方法從國內(nèi)外研究來看，AbrahamGetachew[18]通過動(dòng)態(tài)秤重WIM獲取的實(shí)測(cè)車輛參數(shù)數(shù)據(jù)，針對(duì)不同跨徑的簡支梁式橋的車輛峰值出現(xiàn)的不同頻率下的荷載效應(yīng)進(jìn)行外推計(jì)算，將實(shí)測(cè)車輛數(shù)據(jù)與MonteCarlo隨機(jī)抽樣獲得的模擬車輛數(shù)據(jù)轉(zhuǎn)化為荷載對(duì)不同橋梁進(jìn)行有限元模擬加載，對(duì)比了各自產(chǎn)生的荷載效應(yīng)值。最后與瑞典規(guī)范的設(shè)計(jì)車輛荷載效應(yīng)值對(duì)比，得出實(shí)測(cè)計(jì)算的車輛荷載效應(yīng)小于規(guī)范設(shè)計(jì)值的相關(guān)結(jié)論。目前來看，我國對(duì)車輛荷載的相關(guān)研究開始比較晚，但經(jīng)過多年來的發(fā)展，國內(nèi)專家學(xué)者也取得了有實(shí)際應(yīng)用價(jià)值的研究成果。梅剛等[19-20]根據(jù)某路段的實(shí)測(cè)車輛數(shù)據(jù)的統(tǒng)計(jì)分析，推導(dǎo)出車輛荷載的概率分布出現(xiàn)雙峰及多峰分布的現(xiàn)象。阮欣等[21]通過對(duì)國內(nèi)外高速公路的動(dòng)態(tài)秤重WIM獲取的實(shí)測(cè)車輛數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)不同車型在交通車流量中的比例分布與地域交通狀況相關(guān)，交通車流量的變化趨勢(shì)也存在一定規(guī)律性。歸納總結(jié)出交通車流量的車型構(gòu)成及分布特征，并按照車輛的軸數(shù)、軸距及軸載建立一種適用于高速公路車輛荷載的車輛軸載模型，解決了車輛荷載中針對(duì)不同單車荷載的高精度模擬問題。蔣田勇[22]針對(duì)湖南省的矮寨大橋進(jìn)行了交通車流數(shù)據(jù)的調(diào)查與統(tǒng)計(jì)分析，將車輛按照不同車型分為7大類，結(jié)合車輛荷載的時(shí)間序列，基于MATLAB平臺(tái)建立了隨機(jī)車輛荷載譜進(jìn)行有限元加載分析，模擬符合實(shí)際交通的車輛荷載的效應(yīng)。劉揚(yáng)等[23]基于高速公路收費(fèi)站安裝的動(dòng)態(tài)秤重WIM獲取實(shí)測(cè)車輛數(shù)據(jù)，構(gòu)建符合樣本分布的概率函數(shù)，通過MATLAB平臺(tái)編譯符合實(shí)際的隨機(jī)車流模擬程序，對(duì)多種簡支梁式橋進(jìn)行加載，計(jì)算車輛荷載效應(yīng)推導(dǎo)出極值理論下的車輛荷載效應(yīng)的最大值。綜上所述，國內(nèi)外專家學(xué)者對(duì)隨機(jī)車輛荷載的研究可以分為以下幾個(gè)過程。研究的起步階段，進(jìn)行了隨機(jī)過程理論的推導(dǎo)、隨機(jī)車輛荷載的靜載模型構(gòu)建、早期疲勞荷載譜的應(yīng)用。研究的發(fā)展階段，近幾十年來著重于車輛荷載譜的深入研究，但都假定交通車流里車型和車重、車間距、車速保持不變，忽略了部分車輛荷載參數(shù)的隨機(jī)性。研究的現(xiàn)階段，目前國內(nèi)外學(xué)者專家開始把研究的重點(diǎn)放在更加全面地考慮車輛荷載參數(shù)的隨機(jī)性，并對(duì)一些參數(shù)的隨機(jī)性通過大量數(shù)據(jù)的統(tǒng)計(jì)分析，取得了一定的成果。且對(duì)交通流的現(xiàn)場(chǎng)實(shí)測(cè)、數(shù)據(jù)處理、車輛標(biāo)準(zhǔn)模型（軸載模型）以及車流的模擬方法都已經(jīng)比較成熟。但是目前應(yīng)用于某一地區(qū)某一種橋型的隨機(jī)車輛荷載模型研究較小，隨機(jī)車輛荷載缺少針對(duì)性。因此充分考慮公路橋梁的運(yùn)營環(huán)境，并針對(duì)不同結(jié)構(gòu)類型的橋梁分開調(diào)研。不僅可以完善符合實(shí)際的隨機(jī)車輛荷載數(shù)據(jù)庫，還可以大大提高隨機(jī)車輛荷載模型的適用性和針對(duì)性。跟隨智能化監(jiān)測(cè)的發(fā)展趨勢(shì)，建立更符合實(shí)際交通狀況的高精度隨機(jī)車輛荷載模型，將對(duì)我國公路橋梁的建設(shè)、管理運(yùn)營以及未來的養(yǎng)護(hù)研究提供更完善的理論依據(jù)。曲線橋梁研究現(xiàn)狀曲線橋梁主要是指主梁存在一定曲率的彎曲橋梁，隨著我國的交通建設(shè)不斷發(fā)展，曲線橋梁在城市公路、高架橋及互通立體交通中占據(jù)了重要的地位。而橋梁結(jié)構(gòu)中的振動(dòng)[24-29]是一種具有周期性變化的形變以及運(yùn)動(dòng)過程中所產(chǎn)生的能量之間的轉(zhuǎn)換過程，該過程需要外部荷載（地震荷載、車輛荷載、風(fēng)荷載等可變荷載）輸入和摩擦損失，固有頻率和輸入頻率比值對(duì)其影響較大。不同于永久荷載，可變荷載具有很強(qiáng)的隨機(jī)性。而且相比于永久荷載橋面上的移動(dòng)荷載會(huì)導(dǎo)致橋梁結(jié)構(gòu)產(chǎn)生更大的內(nèi)力變化及動(dòng)態(tài)形變，從而對(duì)橋梁結(jié)構(gòu)造成疲勞損傷的破壞，影響到公路橋梁的正常運(yùn)營。車輛在橋面行駛過程中兩者之間存在復(fù)雜的接觸問題，路面不平順是影響著車橋振動(dòng)的主要激勵(lì)源。車輛和橋梁二者均為質(zhì)量、剛度和阻尼的獨(dú)立系統(tǒng)，車輛位置隨時(shí)間不斷變化這使得車橋耦合振動(dòng)的問題變得復(fù)雜，屬于時(shí)變橋梁結(jié)構(gòu)動(dòng)力研究的內(nèi)容。因此在研究隨機(jī)車輛荷載作用時(shí)，需要對(duì)車橋之間的接觸問題進(jìn)行一定的簡化。從國內(nèi)外研究來看，眾多學(xué)者[30-33]都對(duì)曲線橋梁在移動(dòng)車流荷載作用時(shí)所產(chǎn)生的荷載效應(yīng)展開一系列研究工作。單德山[34]通過有限元數(shù)值模擬的方法建立薄壁曲線橋模型，用于研究高速移動(dòng)狀態(tài)下列車與曲線橋耦合作用所產(chǎn)生的動(dòng)力特性進(jìn)行研究分析，并研究了橫向作用力對(duì)橋梁結(jié)構(gòu)的影響，提出了橫向作用力系數(shù)閾值，同時(shí)與規(guī)范計(jì)算結(jié)果進(jìn)行對(duì)比分析。結(jié)果表明車輛在曲線橋梁上高速行駛時(shí)會(huì)產(chǎn)生較大的橫向作用力，導(dǎo)致橋梁的支座受到剪切應(yīng)力過大，容易出現(xiàn)主梁偏移的現(xiàn)象，影響到橋梁運(yùn)營的安全性。何發(fā)禮[35]通過基于小跨徑曲線橋與高速移動(dòng)車輛耦合作用下豎向剛度和扭轉(zhuǎn)剛度，研究得到剛度合理的相對(duì)最優(yōu)解。其中充分考慮了車輛模型的多自由度體系，同時(shí)對(duì)曲率半徑、支座布置等因素對(duì)振動(dòng)響應(yīng)的影響展開討論，通過模擬單車過橋的移動(dòng)模型研究車橋耦合效應(yīng)，并以此為依據(jù)研究得出曲線橋梁與移動(dòng)車輛荷載作用下的彎扭耦合振動(dòng)的解析解。魏國祥[36]依據(jù)具體實(shí)際工程依托的曲線橋梁實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，對(duì)曲線橋梁的靜載實(shí)驗(yàn)下?lián)隙软憫?yīng)、運(yùn)營期間的動(dòng)態(tài)位移響應(yīng)以及動(dòng)應(yīng)變的變化數(shù)據(jù)進(jìn)行分析，推導(dǎo)出具有一定可靠性的警告閾值。符蓉[37]考慮了可變荷載（溫度荷載、車輛荷載、車橋接觸沖擊力）等因素影響下的剛構(gòu)橋的功能函數(shù)，并利用MonteCarlo隨機(jī)抽樣原理進(jìn)行控制截面的可靠度計(jì)算，并于規(guī)范計(jì)算進(jìn)行對(duì)比驗(yàn)算，研究結(jié)果表明規(guī)范設(shè)計(jì)滿足實(shí)際運(yùn)營的需要。陳炎等[38]認(rèn)為正弦函數(shù)的特性對(duì)于模擬路面不平度，并基于歐拉梁理論建立車橋耦合模型，并結(jié)合陣型分解法計(jì)算耦合振動(dòng)方程式，可證明路面的凹凸不平度[39-40]對(duì)模型的影響不容忽視。曲線橋梁在移動(dòng)車輛荷載作用下，所產(chǎn)生強(qiáng)迫振動(dòng)是歷來十分熱門的研究課題，研究人員也陸續(xù)開展各種相關(guān)的研究。隨著研究的不斷深入，可將研究劃分出三個(gè)重要的時(shí)間段：第一階段：傳統(tǒng)的車輛振動(dòng)分析，Wills在十九世紀(jì)基于忽略橋梁質(zhì)量而推導(dǎo)得到Wills方程式，極大豐富了車輛與橋梁系統(tǒng)的動(dòng)力響應(yīng)的研究成果，隨后G.G.Stocks通過推導(dǎo)計(jì)算將其應(yīng)用于實(shí)際的鐵路橋梁中，但隨著科技的不斷進(jìn)步，橋跨的增加使得車橋質(zhì)量比不斷減少，導(dǎo)致Wills方程式前置假設(shè)條件失效而無法使用?？紤]到Wills方程式的局限性，推導(dǎo)得到移動(dòng)常量力的動(dòng)力響應(yīng)方程并由此求解得到精確解。對(duì)于傳統(tǒng)的車輛振動(dòng)分析研究水平，同時(shí)兼顧考量橋體質(zhì)量及移動(dòng)車輛荷載作用具有較大難度。車輛及橋梁本身實(shí)際振動(dòng)的復(fù)雜性，加之車輛種類和橋梁類型繁多，導(dǎo)致各種隨機(jī)振動(dòng)源振動(dòng)在當(dāng)時(shí)的理論上仍然存在困難。為了解決這個(gè)問題，需要進(jìn)行必要的實(shí)驗(yàn)求證。第二階段：闡釋沖擊系數(shù)定義，沖擊系數(shù)[41-42]即最大的動(dòng)位移與最大的靜位移的比值，自Wills試驗(yàn)?zāi)Ｐ秃螅鲊鴮W(xué)者[43-45]開始著手研究車輛與橋梁耦合振動(dòng)問題的測(cè)試，通過試驗(yàn)推導(dǎo)得到只考慮橋梁跨徑為單一變量的沖擊系數(shù)公式，并從中驗(yàn)證荷載的動(dòng)力效應(yīng)，完善沖擊系數(shù)的概念。第三階段：現(xiàn)代車輛振動(dòng)研究。縱觀近年研究可知，導(dǎo)致橋梁動(dòng)力荷載的影響因素涉及廣泛，其中包括車輛因素（車軸數(shù)目、車軸間距、車輛軸重、車輛行駛位置、車輛速度等）以及橋梁因素（自振特性、跨徑、墩高、支座布置、曲線橋梁考慮曲率半徑等）。由于受到研究的水平限制，需要對(duì)模型進(jìn)行必要的簡化，將車輛簡化為彈簧-質(zhì)量系統(tǒng)模型，橋梁模型簡化為梁單元模型，從而進(jìn)行下一步研究。而車輛振動(dòng)特征、橋梁固有的振動(dòng)特性以及橋面凹凸不平整等實(shí)際因素不列入考慮范圍內(nèi)，因?yàn)楦鲊?guī)范對(duì)沖擊系數(shù)的確定不盡相同，并無統(tǒng)一標(biāo)準(zhǔn)提供參考使用。綜上所述，目前關(guān)鍵國內(nèi)外關(guān)于移動(dòng)車輛荷載作用于橋梁結(jié)構(gòu)的動(dòng)力響應(yīng)研究已經(jīng)較為完善。但在曲線橋梁上大部分考慮單車通過橋梁時(shí)車輛和橋梁接觸的振動(dòng)響應(yīng)研究，較少考慮隨機(jī)車流通過曲線橋梁時(shí)的動(dòng)力響應(yīng)。因此，充分考慮車輛荷載的隨機(jī)性，并針對(duì)曲線橋梁自身結(jié)構(gòu)特點(diǎn)進(jìn)行參數(shù)化分析，具有一定的研究價(jià)值和前景。通過結(jié)合智能化橋梁健康監(jiān)測(cè)技術(shù)和數(shù)學(xué)理論方法，也能夠提高研究成果的準(zhǔn)確性。參考文獻(xiàn)蘇高利,鄧芳萍.論基于MATLAB語言的BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法[J].科技通報(bào),2003,(2):130-135.李松,劉力軍,解永樂.遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流混沌預(yù)測(cè)[J].控制與決策,2011,26(10):1581-1585.劉志強(qiáng),王俊彥,汪澎,等.基于BP神經(jīng)網(wǎng)絡(luò)的高速公路入口合流區(qū)域換道行為研究[J].公路交通科技,2014,31(9):120-123+153.裴同松,裴彧.基于馬爾科夫鏈-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)公路運(yùn)量的預(yù)測(cè)研究[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2021,40(2):35-41.LeeHyunOkandLimHeuiSeok.AStudyonImprovingPerformanceoftheDeepNeuralNetworkModelforRelationalReasoning[J].KIPSTransactionsonSoftwareandDataEngineering,2018,7(12):485-496.楊新苗,王煒,顧維平,等.公交線路客流模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[J].公路交通科技,2000,(4):38-40+46.魏武,張起森,王明俊,等.一種基于模板匹配的車牌識(shí)別方法[J].中國公路學(xué)報(bào),2001,(1):106-108.聶佩林,陳曉翔,佘錫偉,等.基于代價(jià)敏感神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)判別[J].公路交通科技(應(yīng)用技術(shù)版),2011,7(3):220-223.楊元元.基于時(shí)間序列模型的短時(shí)交通流預(yù)測(cè)的研究與應(yīng)用[D].西安電子科技大學(xué),2014.凌智.基于BP神經(jīng)網(wǎng)絡(luò)的高速公路車流量預(yù)測(cè)研究[D].武漢理工大學(xué),2014.沈國江,朱蕓,錢曉杰,等.短時(shí)交通流組合模型預(yù)測(cè)[J].南京理工大學(xué)學(xué)報(bào),2014,38(2):246-251.劉研.基于螢火蟲算法和RBF神經(jīng)網(wǎng)絡(luò)的高速公路交通流預(yù)測(cè)[D].長安大學(xué),2016.趙琛,黃培彥,黃龍?zhí)?橋梁隨機(jī)載荷數(shù)據(jù)采集及統(tǒng)計(jì)分析[J].公路工程,2004,029(1):12-15.賈海慶,辛星,高雪池,等.動(dòng)態(tài)稱重系統(tǒng)數(shù)據(jù)采集及分析[J].公路交通科技,2010,(6):142-146.周桐,楊智勇,孫棣華,等.分車型的高速公路短時(shí)交通流量預(yù)測(cè)方法研究[J].計(jì)算機(jī)應(yīng)用研究,2015,(07):1996-1999.ArnabBanerjeeandAvishekChandaandRajDas.Obliquefrictionalunilateralcontactsperceivedincurvedbridges[J].NonlinearDynamics,2016,85(4):2207-2231.HaoWangandJian-XiaoMaoandBillieF.Spencer.Amonitoring-basedapproachforevaluatingdynamicresponsesofridingvehicleonlong-spanbridgeunderstrongwinds[J].EngineeringStructures,2019,189:35-47.Getachew.TrafficLoadEffectsonBridges:StatisticalAnalysisofCollectedandMonteCarloSimulatedVehicleData[D].Stockholm:StockholmUniversity,2003.梅剛,秦權(quán),林道錦.公路橋梁車輛荷載的雙峰分布概率模型[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版),2003,(10):1394-1396+1404.梅剛,林道錦,秦權(quán).現(xiàn)狀車載下舊橋承載力評(píng)定和可靠度有限元分析[J].中國鐵道科學(xué),2004,(6):72-77.阮欣,周軍勇,石雪飛.中法高速公路車流及荷載特性對(duì)比[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,41(9):1392-1397.蔣田勇,羅舟滔,謝靜思,等.高速公路橋梁隨機(jī)車輛荷載譜[J].長沙理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,12(3):56-62.劉揚(yáng),張海萍,魯乃唯,等.基于WIM的隨機(jī)車流建模和簡支梁橋荷載效應(yīng)研究[J].橋梁建設(shè),2015,45(5):13-18.鄭亮.高墩大跨橋梁車橋耦合振動(dòng)模型試驗(yàn)研究[D].長安大學(xué),2011.孫廣臣,傅鶴林,巢萬里.橋隧搭接工程多源損傷及車輛沖擊模型試驗(yàn)研究[J].振動(dòng)與沖擊,2013,32(2):115-123.劉小玲,黃僑,任遠(yuǎn),等.大跨度鋼斜拉橋主梁監(jiān)測(cè)撓度的評(píng)估與預(yù)警[J].湖南大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,043(9):98-104.?ubo?DanielandJánKorti?.TheComparisonofDifferentApproachestoModelVehicle-BridgeInteraction[J].ProcediaEngineering,2017,190:504-509.KimByungJoo.ModelSelectioninArtificialNeuralNetwork[J].Interna