基于GA-BP神经网络的结构损伤识别研究

摘要

现在设计建设的电力工程建筑使用寿命大多要达到60年以上,在电力工程建筑物长期使用过程中对建筑物能否进行实时监测,保证其耐久性和安全性,对电力工程全寿命周期管理有着重要意义。健康监测系统的核心技术之一是损伤识别技术,进一步深入研究能适应电力土木工程结构实时健康监测系统需要的损伤识别方法具有重要的理论意义和工程实际应用价值。
　　结构损伤识别问题实质上可看作是一个模式识别问题,即确定损伤指标与结构损伤状态之间的关系问题。人工神经网络算法在模式识别问题方面具有突出的优点,逐渐被越来越多的研究者应用于结构损伤识别领域。然而,由于BP算法是一种基于梯度下降的搜索方法,存在着如收敛速度慢、易陷入误差函数的局部极小点等不足,无法满足实际应用的需求。
　　本文研究了 BP算法和遗传算法的基本原理,分析了遗传算法和BP神经网络算法融合的必要性、基本思想以及融合时基本要素的确定方法,将擅长全局搜索的遗传算法和局部寻优能力较强的BP算法相结合,根据遗传算法的交叉、变异和选择算子在全变量空间以较大概率搜索全局解,在解的点附近利用BP神经网络快速、精确地收敛定位最优解,利用遗传算法调整神经网络的权值,将优化所得的参数作为神经网络的初始权值,既避免陷入局部极小值,同时提高了算法收敛速度。
　　本文提出了利用结构的前五阶固有频率用于框架结构的损伤预警指标,结合某发电厂框架结构实例,选取了框架结构的损伤定位和定量指标,采用改进优化的GA-BP算法构建了电力工程框架结构损伤识别系统;实验结果表明基于遗传优化的BP算法的框架结构损伤识别系统,损伤识别的效果良好,能够满足实际工程中的精确度要求。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题背景及意义

1.2 国内外研究现状

1.3 本文主要研究内容

1.4 论文架构

第2章 结构损伤识别理论

2.1 结构动力损伤识别方法

2.2 常用的结构损伤识别指标

2.3 本章小结

第3章 遗传-BP神经网络算法

3.1 BP神经网络算法简介

3.2 遗传算法简介

3.3 GA-BP神经网络算法

3.2 遗传算法的简介

3.3 GA-BP神经网络算法

3.4 本章小结

第4章 基于GA-BP算法的框架结构损伤识别系统

4.1 框架结构损伤诊断系统

4.2 损伤预警系统

4.3 损伤识别系统

4.4 基于GA-BP神经网络的框架结构损伤识别

4.5 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

攻读硕士学位期间发表的论文

致谢