基于组合分层神经网络方法的建筑结构损伤检测

摘要

目前,大量旧有的建筑因为逐步老化而出现损伤,新建筑有很多因为结构复杂也容易出现损伤,结构损伤检测因而受到广泛的重视,发展十分迅速.BP神经网络(Back_propagation Neural Networks)有强大的非线性映射能力、容错能力和鲁棒性等优点,该文建造并分析了两种输入方式的BP神经网络,证明了输入的参数越多,神经网络就越聪明,训练的收敛速度越快这一规律.该文提出 并研究了应用组合分层神经网络将网络的训练样本分类和分开训练来简化神经网络的训练的方法.这一方法使人们可以避免关注大量非重要信息,并且使网络的训练可以多人协作,实现网络训练的工程化.

目录

文摘

英文文摘

1绪论

1.1引言

1.2用人工神经网络进行结构损伤检测方法的研究现状

1.3基于组合分层神经网络的结构损伤检测的基本概念及其原理

1.4本文主要内容

2BP神经网络的基本原理

2.1人工神经网络

2.2BP神经网络

3基于改进BP神经网络方法的3层框架模型损伤识别

3.1结构损伤识别问题的数学模型

3.2三层框架结构损伤模型

3.3改进BP神经网络的设计

3.4改进BP神经网络的训练与测试

3.5模型框架层间刚度识别

3.6本章结论

4基于组合分层神经网络的3层框架模型损伤识别

4.1组合分层神经网络的基本思想

4.2组合分层神经网络的构造和训练

4.4本章结论

5结论与展望

5.1结论

5.2展望

致 谢

参考文献

附录1攻读学位期间发表论文目录