基于GA-BP神经网络的结构智能损伤诊断研究

摘要

工程结构随着服役时间的推移,在各种内外因素的影响下会发生不可逆的损伤。从结构的安全性、适用性和耐久性考虑,如何及时有效的掌握结构的健康状况并作出正确的维护和管理决策,对人类社会基础设施安全、经济、有效的运行具有重大意义。 本文的主要工作内容是： 从当前结构损伤诊断研究的热点入手,研究人工智能方法在结构损伤诊断领域的应用。针对传统的BP神经网络存在的缺陷,结合遗传算法对其进行优化,建立了改进的GA-BP神经网络模型,将其应用于结构损伤诊断并通过数值仿真试验与BP神经网络的运行效果进行了对比；结果表明使用改进的GA-BP神经网络模型进行损伤诊断,对损伤的识别精度较高,运行时间较少,是一种准确而行之有效的模型。 在改进智能算法的基础上,提出了基于GA-BP神经网络的建筑结构损伤分步诊断法,给出了其具体的应用技巧并编制了名为IS的诊断程序。该方法在提高损伤识别精度的基础上节约了计算时间,数值模拟实验证实了该方法的有效性,对于复杂结构形式的整体损伤诊断具有重要意义。 研究了运用GA-BP神经网络识别结构小损伤的方法,特别针对结构早期损伤的发展进行了计算机数值试验模拟,在建模时构筑了结构早期损伤发展的密集训练样本,使GA-BP神经网络能够更充分的学习相关知识,提高了GA-BP神经网络应用于损伤诊断时的泛化能力。数值模拟试验证实GA-BP神经网络能够有效识别结构小损伤情况,对结构早期损伤的在线健康监测具有重要意义。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2结构损伤诊断技术概述

1.3基于振动的全局损伤诊断技术

1.3.1传统诊断方法及其缺陷

1.3.2基于振动的结构损伤检测

1.3.3基本原理

1.4人工神经网络及其在结构损伤诊断中的应用

1.4.1人工神经网络在结构损伤诊断中的应用现状

1.4.2现存的问题

1.5本文的研究内容

第二章人工神经网络及BP算法

2.1人工神经网络的发展与现状

2.2人工神经网络的基本理论

2.2.1人工神经元模型

2.2.2人工神经网络的特性和功能

2.2.3人工神经网络的功能函数

2.2.4人工神经网络的拓扑连接方式

2.2.5人工神经网络的学习

2.3多层前馈BP神经网络

2.3.1 BP算法的数学描述

2.3.2 BP神经网络的设计

2.3.3 BP网络的学习训练流程

2.3.4.BP网络算法的缺陷

2.3.5 BP算法的改进

2.4本章小结

第三章遗传算法

3.1遗传算法概述

3.1.1发展简介

3.1.2遗传算法的基本理念

3.1.3遗传算法的基本特点

3.2标准遗传算法

3.3遗传算法的核心定理

3.4遗传算法的设计研究

3.4.1编码

3.4.2产生初始群体

3.4.3选择

3.4.4交叉

3.4.5变异

3.4.6适应度函数

3.4.7控制参数的选择

3.4.8算法的终止条件

3.5遗传算法的缺陷

3.5.1遗传算法的早熟问题

3.5.2遗传算法的局部搜索能力差

3.5.3遗传算法的控制参数难以确定

3.6遗传算法的改进

3.7本章小结

第四章GA-BP神经网络

4.1 GA-BP神经网络的形成

4.1.1 GA-BP神经网络的优化策略

4.1.2 NFL定理的启示

4.2 GA-BP神经网络的模型

4.2.1编码方案

4.2.2适应度函数的确定

4.2.3种群初始化和参数设定

4.2.4遗传算子的设计

4.2.5基于数值优化技术的LM算法

4.2.6 GA-BP神经网络运行流程

4.3本章小结

第五章GA-BP神经网络在结构损伤诊断领域的应用

5.1基本原理

5.2基于GA-BP神经网络的分步损伤诊断法

5.3 GA-BP神经网络的设计

5.3.1 GA-BP神经网络的输入参数

5.3.2 GA-BP神经网络的输出参数

5.3.3 GA-BP网络的隐层设计

5.4本文编制的损伤诊断程序IS简介

5.5数值算例

5.5.1算例1

5.5.2算例2

5.5.3算例3

5.6本章小结

结论与展望

1.结论

2.展望

参考文献

攻读硕士学位期间所发表的学术论文

致 谢