人工神經(jīng)網(wǎng)絡(luò)在橋梁損傷智能診斷中的應(yīng)用
2010-04-28 

隨著房屋建筑、公路交通等工程事放的頻繁發(fā)生,工程質(zhì)量的好壞引起了人們的日益重視。特別是我國(guó)的建國(guó)初期建成的橋梁多數(shù)已接近設(shè)計(jì)規(guī)定的基準(zhǔn)使用期,因此迫切需要對(duì)它們進(jìn)行健康診斷,進(jìn)而更好地對(duì)它們進(jìn)行維修、加固、管理與使用。如何通過(guò)一定的檢測(cè)手段與方法來(lái)判斷結(jié)構(gòu)是否存在缺陷與損傷,并對(duì)損傷進(jìn)行定位及評(píng)估成了當(dāng)前國(guó)內(nèi)外學(xué)術(shù)界、工程界極為關(guān)注且研究活躍的領(lǐng)域。

    近年來(lái),在結(jié)構(gòu)動(dòng)力損傷診斷領(lǐng)域,基于模型修正和信號(hào)處理的結(jié)構(gòu)損傷診斷方法研究較多。但是在實(shí)際應(yīng)用過(guò)程中,以上方法都遇到系統(tǒng)易受環(huán)境影響、模型依賴(lài)性強(qiáng)、系統(tǒng)容錯(cuò)性差等問(wèn)題的困擾。而神經(jīng)網(wǎng)絡(luò)技術(shù)以其良好的非線(xiàn)性映射能力、強(qiáng)大的解決反問(wèn)題的能力、實(shí)時(shí)計(jì)算能力和推廣能力及系統(tǒng)良好的魯棒性,在工程應(yīng)用領(lǐng)域得到青睞。作為一種優(yōu)秀的非參數(shù)化診斷方法,神經(jīng)網(wǎng)絡(luò)技術(shù)在結(jié)構(gòu)損傷診斷領(lǐng)域具有極大的應(yīng)用前景。

    1  神經(jīng)網(wǎng)絡(luò)的發(fā)展及基本原理

    人工神經(jīng)網(wǎng)絡(luò)(Aritifical Neural Network ,簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò)或ANN) 是在物理機(jī)制上模擬人腦信息處理機(jī)制的信息系統(tǒng),他不但具有數(shù)值處理的一般計(jì)算能力,而且還具有處理知識(shí)的思維、學(xué)習(xí)、記憶能力。神經(jīng)網(wǎng)絡(luò)產(chǎn)生于20 世紀(jì)40 年代,至今已有半個(gè)多世紀(jì)的歷程。1943 年, 心理學(xué)家M·McCulloch和數(shù)學(xué)家W·H· Pitts 采用數(shù)理模型的方法首先提出了一種人工神經(jīng)元模型,簡(jiǎn)稱(chēng)M-P 模型,邁出了人類(lèi)研究神經(jīng)網(wǎng)絡(luò)的第一步。在隨后的幾十年中,人們對(duì)神經(jīng)網(wǎng)絡(luò)的研究投入了很大的精力,不過(guò)隨著人工神經(jīng)網(wǎng)絡(luò)研究的不斷深入,人們遇到來(lái)自各方面的各種苦難和許多一時(shí)難以解決的問(wèn)題。對(duì)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力問(wèn)題,引起學(xué)術(shù)界的很大爭(zhēng)議。人工智能的創(chuàng)始人之一——M·Minsky 和S·Parpcrt 與1969 年發(fā)表了對(duì)神經(jīng)網(wǎng)絡(luò)研究產(chǎn)生重要影響的《感知機(jī)》(Perception) 一書(shū)[1 ] 。書(shū)中提出了感知機(jī)網(wǎng)絡(luò)的局限性,它大大影響了人們對(duì)神經(jīng)網(wǎng)絡(luò)研究的興趣,使神經(jīng)網(wǎng)絡(luò)的研究在20 世紀(jì)70 年代處于低潮,不過(guò)在神經(jīng)網(wǎng)絡(luò)研究處于低潮的這一時(shí)期,仍有為數(shù)不多的學(xué)者不遺余力地致力于神經(jīng)網(wǎng)絡(luò)的研究。

    1982 年Hopfield 將”能量函數(shù)”引入神經(jīng)網(wǎng)絡(luò),使得網(wǎng)絡(luò)穩(wěn)定性能有了明確的數(shù)據(jù),再度掀起了人們研究神經(jīng)網(wǎng)絡(luò)的熱潮。特別是他用神經(jīng)網(wǎng)絡(luò)成功地解決了”旅行商”問(wèn)題后,神經(jīng)網(wǎng)絡(luò)越來(lái)越被廣泛地應(yīng)用于模式識(shí)別、圖像信號(hào)處理、工業(yè)過(guò)程控制、管理系統(tǒng)和財(cái)政金融預(yù)測(cè)等領(lǐng)域。土木工程中的許多問(wèn)題是非線(xiàn)性問(wèn)題,變量之間的關(guān)系十分復(fù)雜,很多工程實(shí)際問(wèn)題很難用確切的數(shù)學(xué)、力學(xué)模型來(lái)描述。因而運(yùn)用神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)土木工程問(wèn)題的求解是非常合適的。

    自Adeli 和Yeh 于1989 年將沒(méi)有隱含層的感知機(jī)第一次用于簡(jiǎn)支梁的設(shè)計(jì)以來(lái),越來(lái)越多的土木工程專(zhuān)家、學(xué)者將研究方向轉(zhuǎn)移到該領(lǐng)域上來(lái),現(xiàn)在已有許多神經(jīng)網(wǎng)絡(luò)模型用于結(jié)構(gòu)分析及優(yōu)化設(shè)計(jì)、結(jié)構(gòu)的損傷檢測(cè)與評(píng)估、結(jié)構(gòu)控制、巖土與橋梁工程等許多方面。
 
    神經(jīng)網(wǎng)絡(luò)采用類(lèi)似于”黑箱”的方法,通過(guò)學(xué)習(xí)和記憶而不是假設(shè),找到輸入、輸出變量之間的非線(xiàn)性關(guān)系(映射) ,在執(zhí)行問(wèn)題和求解時(shí),將所獲取的數(shù)據(jù)輸入給訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),依據(jù)網(wǎng)絡(luò)學(xué)到的知識(shí)進(jìn)行網(wǎng)絡(luò)推理,得出合理的答案與結(jié)果。具體的說(shuō)神經(jīng)網(wǎng)絡(luò)是由若干個(gè)具有輸入輸出特性的人工神經(jīng)元按照一定連接方式構(gòu)成并遵循特殊的學(xué)習(xí)算法的網(wǎng)絡(luò)結(jié)構(gòu)。按照連接方式的不同可以分為兩大類(lèi):無(wú)反饋的多層前潰網(wǎng)絡(luò)模型和互連型網(wǎng)絡(luò)模型。前者將神經(jīng)元分成若干層,各層順序連接,同一層之間無(wú)連接,每一層神經(jīng)元只接受前一層神經(jīng)元的輸出,典型的如BP 網(wǎng)絡(luò);后者允許任意兩個(gè)神經(jīng)元之間存在相互連接,因此輸入消耗要在神經(jīng)元之間進(jìn)行反復(fù)往返傳遞,直到趨于某一穩(wěn)定狀態(tài)或進(jìn)入周期振蕩等狀態(tài),典型的如Hopfield 網(wǎng)絡(luò)。還有一些網(wǎng)絡(luò)是上述兩種結(jié)構(gòu)模型的混合。

    2  用于橋梁損傷診斷的神經(jīng)網(wǎng)絡(luò)模型

    最早將神經(jīng)網(wǎng)絡(luò)用于結(jié)構(gòu)損傷診斷的是美國(guó)Purdu 大學(xué)的Venkatasubramanian 和Chan[2 ] ,他們于1989 年第一次運(yùn)用BP 網(wǎng)絡(luò)進(jìn)行了工程結(jié)構(gòu)的損傷檢測(cè)和診斷,其后有許多研究人員開(kāi)發(fā)了不同的神經(jīng)網(wǎng)絡(luò)模型,對(duì)工程結(jié)構(gòu)和構(gòu)件進(jìn)行了損傷檢測(cè)和診斷。

    目前應(yīng)用于結(jié)構(gòu)損傷診斷領(lǐng)域的神經(jīng)網(wǎng)絡(luò)主要為前向神經(jīng)網(wǎng)絡(luò)。前向神經(jīng)網(wǎng)絡(luò)由輸入層、中間層(隱含層) 和輸出層組成,中間層可有若干層,第一層的神經(jīng)元只接受前一層神經(jīng)元的輸出。而相互連接型網(wǎng)絡(luò)中任意兩個(gè)神經(jīng)元間都可能有連接,因此輸入信號(hào)要在神經(jīng)元之間反復(fù)往返傳遞,從某一初態(tài)開(kāi)始,經(jīng)過(guò)若干次的變化,漸漸趨于某一穩(wěn)定狀態(tài)或進(jìn)入周期振蕩等其他狀態(tài)。BP 神經(jīng)網(wǎng)絡(luò)(Backpropagation NN) 是當(dāng)前工程應(yīng)用最為廣泛的一種人工神經(jīng)網(wǎng)絡(luò)。它的最大特點(diǎn)是僅僅借助樣本數(shù)據(jù),無(wú)需建立系統(tǒng)的數(shù)學(xué)模型,就可對(duì)系統(tǒng)實(shí)現(xiàn)由Rn 空間( n 為輸入節(jié)點(diǎn)數(shù))到Rm 空間( m 為輸出節(jié)點(diǎn)數(shù)) 的高度非線(xiàn)性映射。故在橋梁損傷診斷應(yīng)用中,可以直接使用BP 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)輸入?yún)?shù)與橋梁損傷狀態(tài)之間的非線(xiàn)性映射,而無(wú)需建立系統(tǒng)的數(shù)學(xué)模型。而且,這種映射結(jié)果的精度一般可由足夠的訓(xùn)練樣本(由仿真數(shù)據(jù)得到) 來(lái)保證。BP 網(wǎng)絡(luò)是一單向傳播的多層前向網(wǎng)絡(luò),其拓?fù)浣Y(jié)構(gòu)如圖1 所示。
 


    BP 算法的學(xué)習(xí)過(guò)程由正向傳播和反向傳播組成。網(wǎng)絡(luò)除輸入、輸出節(jié)點(diǎn)外,有一層或多層的隱層節(jié)點(diǎn),同層節(jié)點(diǎn)中沒(méi)有任何耦合。輸入信號(hào)從輸入層節(jié)點(diǎn),依次通過(guò)各隱層節(jié)點(diǎn),然后傳到輸出層節(jié)點(diǎn),每一層節(jié)點(diǎn)的輸出只影響下一層節(jié)點(diǎn)的輸出。每個(gè)節(jié)點(diǎn)為單個(gè)神經(jīng)元,其單元特性(傳遞函數(shù)) 通常為Sigmoid 型函數(shù),但在輸出層中,節(jié)點(diǎn)的單元特性有時(shí)為線(xiàn)性函數(shù)。如果輸出層不能得到期望的輸出,則轉(zhuǎn)入反向傳播,將誤差信號(hào)沿原來(lái)的連接通路返回通過(guò)修改各層神經(jīng)元的權(quán)值使得誤差信號(hào)最小。BP 網(wǎng)絡(luò)可看成是一從輸入到輸出的高度非線(xiàn)性映射。

    道路、橋梁是國(guó)家重要的生命線(xiàn)工程,運(yùn)用神經(jīng)網(wǎng)絡(luò)對(duì)它們展開(kāi)健康檢測(cè)與診斷意義重大。因此,神經(jīng)網(wǎng)絡(luò)被用來(lái)識(shí)別大橋桁架結(jié)構(gòu)中各個(gè)節(jié)點(diǎn)時(shí)間序列振動(dòng)信號(hào)與剛度變化之間的映射關(guān)系,進(jìn)而對(duì)橋梁結(jié)構(gòu)進(jìn)行損傷檢測(cè)。1997 年Worden[3]用神經(jīng)網(wǎng)絡(luò)作為自聯(lián)想器來(lái)對(duì)結(jié)構(gòu)進(jìn)行異常檢測(cè),并提出了自聯(lián)想器的形成、異常指標(biāo)、模式識(shí)別的特征及學(xué)習(xí)方法。1999 年Chan 等人用神經(jīng)網(wǎng)絡(luò)對(duì)青馬懸索橋進(jìn)行了異常檢測(cè),提出了一個(gè)6 層神經(jīng)網(wǎng)絡(luò)過(guò)濾器,其輸入層和輸出層分別為12 個(gè),對(duì)應(yīng)索的平面內(nèi)和平面外的前6 階頻率,隱含層有4 層,分別為10、8、10、12 個(gè)。該方法通過(guò)調(diào)整索的張力來(lái)改變索的頻率變化,并在理論計(jì)算的基礎(chǔ)上添加測(cè)量噪聲獲得”測(cè)量數(shù)據(jù)”,用測(cè)量數(shù)據(jù)的前300 個(gè)來(lái)訓(xùn)練過(guò)濾器。后200 個(gè)數(shù)據(jù)來(lái)檢驗(yàn)大橋的健康狀況。2000 年Ko 等人用自聯(lián)想神經(jīng)網(wǎng)絡(luò)對(duì)香港汀九斜拉橋進(jìn)行了異常檢測(cè)。Choi 等人開(kāi)發(fā)了一個(gè)真實(shí)鋼結(jié)構(gòu)桁架橋損傷檢測(cè)系統(tǒng),首先對(duì)實(shí)橋進(jìn)行加載實(shí)驗(yàn),測(cè)得火車(chē)通過(guò)時(shí)橋的應(yīng)變和加速度,用實(shí)測(cè)的數(shù)據(jù)來(lái)修正所建的有限元模型,然后運(yùn)用修正后的有限元模型來(lái)模擬損傷序列,最后運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)對(duì)損傷構(gòu)件的位置及損傷程度進(jìn)行檢測(cè)與識(shí)別。

    3  BP 網(wǎng)絡(luò)的輸入?yún)?shù)

    輸入特征參數(shù)的選擇對(duì)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間和網(wǎng)絡(luò)泛化能力影響巨大。神經(jīng)網(wǎng)絡(luò)剛開(kāi)始用于結(jié)構(gòu)損傷識(shí)別與檢測(cè)時(shí),用振動(dòng)信號(hào)作為網(wǎng)絡(luò)的輸入,使得網(wǎng)絡(luò)結(jié)構(gòu)過(guò)于復(fù)雜且訓(xùn)練時(shí)間過(guò)長(zhǎng)。Tsou 和Shen 于1994 年運(yùn)用固有頻率的變化和動(dòng)力殘余矢量的變化作為BP 網(wǎng)絡(luò)的輸入來(lái)進(jìn)行損傷檢測(cè),分別用3 個(gè)自由度的彈簧質(zhì)子系統(tǒng)和8 個(gè)自由度的彈簧質(zhì)子系統(tǒng)來(lái)驗(yàn)證所提方法的有效性。同年, Stephens 和Vanluchene 描述了一種結(jié)構(gòu)安全狀態(tài)的評(píng)估方法,該方法使用多個(gè)定量指標(biāo)和BP 網(wǎng)絡(luò)對(duì)經(jīng)過(guò)地震破壞后的多層建筑進(jìn)行了損傷識(shí)別與評(píng)估,該方法使用3 個(gè)經(jīng)驗(yàn)性的定量指標(biāo)即最大位移、建筑物的累積能量耗散、剛度退化作為網(wǎng)絡(luò)的輸入,輸出為一個(gè)0~1 之間的數(shù)。用60 個(gè)樣本數(shù)據(jù)來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò),32 個(gè)樣本數(shù)據(jù)來(lái)檢驗(yàn)神經(jīng)網(wǎng)絡(luò),并與線(xiàn)性回歸法進(jìn)行了比較,發(fā)現(xiàn)運(yùn)用神經(jīng)網(wǎng)絡(luò)法的正確識(shí)別率比線(xiàn)性回歸法提高了25 %??紤]到開(kāi)裂程度、強(qiáng)度降低程度和使用時(shí)間等因素對(duì)建筑物性能的影響,王恒棟將開(kāi)裂程度、強(qiáng)度降低程度和使用時(shí)間作為神經(jīng)網(wǎng)絡(luò)的輸入,對(duì)舊有結(jié)構(gòu)的性能進(jìn)行了損傷評(píng)估。同年Masri 等人用神經(jīng)網(wǎng)絡(luò)來(lái)檢驗(yàn)振動(dòng)過(guò)程中結(jié)構(gòu)參數(shù)的變化,他們用相對(duì)位移和相對(duì)速度作為網(wǎng)絡(luò)輸入,恢復(fù)力作為網(wǎng)絡(luò)輸出,分別用線(xiàn)性系統(tǒng)和非線(xiàn)性系統(tǒng)兩個(gè)算例驗(yàn)證了方法的有效性;他們還于2000 年提出了基于神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性系統(tǒng)識(shí)別方法。Kaminsk 提出了固有頻率的變化作為神經(jīng)網(wǎng)絡(luò)的輸入來(lái)近似識(shí)別損傷的位置,他研究了數(shù)據(jù)未處理(固有頻率) 、數(shù)據(jù)處理后(損傷前后頒率變化比、標(biāo)準(zhǔn)化的損傷前后頻率變化比) 對(duì)損傷定位的影響,同時(shí)還討論了不同隱含層單元數(shù)對(duì)網(wǎng)絡(luò)性能的影響。1999 年Ni等人研究了輸入?yún)?shù)對(duì)用BP 網(wǎng)絡(luò)進(jìn)行損傷檢測(cè)效果的影響,提出了既考慮頻率變化又考慮模態(tài)組分的組合模態(tài)損傷指標(biāo),并將其作為網(wǎng)絡(luò)的輸入進(jìn)行了損傷定位和損傷程度的預(yù)報(bào)。同年,王柏生研究了模型誤差對(duì)有不同網(wǎng)絡(luò)輸入的BP 網(wǎng)絡(luò)損傷識(shí)別的影響,研究發(fā)現(xiàn),用神經(jīng)網(wǎng)絡(luò)進(jìn)行損傷識(shí)別時(shí),模型誤差的影響很小,在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)用10 %的模型誤差是可以接受的。Yun 等人使用了子結(jié)構(gòu)識(shí)別和子矩陣放大系數(shù)技術(shù),采用固有頻率和不完整的模態(tài)作為神經(jīng)網(wǎng)絡(luò)的輸入,用BP 網(wǎng)絡(luò)對(duì)復(fù)雜結(jié)構(gòu)系統(tǒng)的結(jié)構(gòu)剛度參數(shù)進(jìn)行了估計(jì),考慮到測(cè)量誤差等因素的影響,在訓(xùn)練樣本中加入了噪聲。Law 等人采用模態(tài)應(yīng)變能的變化比作為BP 網(wǎng)絡(luò)的輸入,對(duì)一個(gè)5 層平面框架進(jìn)行了損傷檢測(cè)。研究發(fā)現(xiàn),模態(tài)應(yīng)變能變化比對(duì)噪聲比較敏感,而歸一后的模態(tài)應(yīng)變能變化比對(duì)損傷程度不敏感,對(duì)于整個(gè)結(jié)構(gòu)來(lái)說(shuō),使用有限數(shù)量的測(cè)量單元數(shù)據(jù)就可以進(jìn)行損傷定位,而損傷程度的預(yù)報(bào)則對(duì)實(shí)測(cè)單元的數(shù)量有一定的要求和限制。陸秋海比較了六種不同輸入?yún)?shù)對(duì)于結(jié)構(gòu)損傷的敏感程度。得出的結(jié)論是,六種輸入?yún)?shù)對(duì)結(jié)構(gòu)損傷的敏感程度從低到高依次為:位移模態(tài)指標(biāo)、固有振動(dòng)頻率指標(biāo)、位移頻響函數(shù)指標(biāo)、曲率/ 應(yīng)變模態(tài)指標(biāo)、以及應(yīng)變頻響函數(shù)指標(biāo)。

    4  BP 網(wǎng)絡(luò)的改進(jìn)方法

    隨著B(niǎo)P 網(wǎng)絡(luò)應(yīng)用的日益廣泛,BP 網(wǎng)絡(luò)存在的問(wèn)題也日益顯現(xiàn)出來(lái),主要有以下幾點(diǎn):

    a) 由于采用非線(xiàn)性梯度優(yōu)化算法,易形成局部極小而得不到整體最優(yōu);

    b) 訓(xùn)練陷入癱瘓,收斂速度緩慢;

    c) 網(wǎng)絡(luò)隱含單元的確定及初始權(quán)值僅憑經(jīng)驗(yàn)而缺乏足夠的理論指導(dǎo);

    d) 網(wǎng)絡(luò)的泛化與推廣能力較差。

    此外,在訓(xùn)練中學(xué)習(xí)新樣本有遺忘舊樣本的趨勢(shì),且要求每個(gè)樣本的特征數(shù)目要相同、網(wǎng)絡(luò)的收斂性與網(wǎng)絡(luò)結(jié)構(gòu)的關(guān)系及樣本的復(fù)雜件等問(wèn)題。其主要的改進(jìn)方法有激勵(lì)函數(shù)的改進(jìn)、誤差函數(shù)的改進(jìn)、網(wǎng)絡(luò)權(quán)值的改進(jìn)、算法的改進(jìn)、網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化等。

    經(jīng)典BP 算法選用Sigmoid 非線(xiàn)性函數(shù)作為神經(jīng)元傳遞函數(shù),算法的輸出范圍為[0,1 ] ,其導(dǎo)數(shù)為f( x) = f ( x) [1 -f ( x) ]。為了避免網(wǎng)絡(luò)出現(xiàn)癱瘓現(xiàn)象,姜紹飛[4 ] 提出幾種處理方法:

    a) 在數(shù)據(jù)處理時(shí),將數(shù)據(jù)盡量的取在[ 0 ,1 ]區(qū)間的中間值;

    b) 當(dāng)判斷某個(gè)神經(jīng)元處于假飽和時(shí),不用經(jīng)典的δ學(xué)習(xí)規(guī)則調(diào)整權(quán)值,而是用一個(gè)固定的常數(shù)代替f ′( x) ,促使神經(jīng)元迅速?gòu)募亠柡蜖顟B(tài)中擺脫出來(lái),從而加速網(wǎng)絡(luò)的收斂;

    c) 給出動(dòng)態(tài)調(diào)整溫度系數(shù)λ,λ減少, S 函數(shù)的飽和區(qū)間也變小,對(duì)網(wǎng)絡(luò)的收斂有幫助。但在學(xué)習(xí)初期,這樣的S 函數(shù)同時(shí)也會(huì)減慢權(quán)值的調(diào)整,學(xué)習(xí)速度不會(huì)有明顯提高,因此可以讓λ隨誤差的變化做相應(yīng)的調(diào)整。此外還可以運(yùn)用許多不同的傳遞函數(shù)。

    為經(jīng)典BP 算法采用作為誤差函數(shù),隨著學(xué)習(xí)次數(shù)的增加, | tp j - yp j | 越來(lái)越小,使函數(shù)逼近速度減慢,這樣對(duì)高度非線(xiàn)性的樣本,其逼近精度得不到保證。為此用絕對(duì)逼近精度和相對(duì)精度相結(jié)合來(lái)描述樣本學(xué)習(xí)精度。對(duì)于網(wǎng)絡(luò)權(quán)值的選取,在網(wǎng)絡(luò)的初始學(xué)習(xí)時(shí),用一些小的隨機(jī)數(shù)作為網(wǎng)絡(luò)的初始權(quán)值,在網(wǎng)絡(luò)連續(xù)學(xué)習(xí)時(shí),前次網(wǎng)絡(luò)學(xué)習(xí)的權(quán)值可以作為后續(xù)學(xué)習(xí)的初始值。此外,還可以用不同的方法選取,如統(tǒng)計(jì)分析的方法,厄米特樣條插值函數(shù),或者用遺傳算法來(lái)優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值,都能取得較滿(mǎn)意的效果。

    BP 網(wǎng)絡(luò)的改進(jìn)除以上介紹的方法外,還可以從算法上改進(jìn),如采用Monto-Carlo 法、模擬退火法、遺傳算法等一些全局最優(yōu)的優(yōu)化算法來(lái)代替BP 經(jīng)典算法。至于網(wǎng)絡(luò)的結(jié)構(gòu),姜紹飛等人通過(guò)研究指出:具有兩個(gè)隱含層的網(wǎng)絡(luò)最合理,且當(dāng)?shù)谝浑[含層有8 個(gè)單元、第二層6 個(gè)單元時(shí)使網(wǎng)絡(luò)結(jié)構(gòu)推理效果最理想。

    5  展望

    橋梁損傷診斷是一門(mén)結(jié)合系統(tǒng)識(shí)別、振動(dòng)理論、振動(dòng)測(cè)試技術(shù)、信號(hào)采集與分析、結(jié)構(gòu)智能控制等技術(shù)的學(xué)科。根據(jù)橋梁的動(dòng)力特性的變化,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)損傷診斷是近年橋梁損傷診斷研究領(lǐng)域的一個(gè)熱點(diǎn)。國(guó)外已經(jīng)進(jìn)行了較為充分的研究,而且取得了一定研究成果。國(guó)內(nèi)的學(xué)者也已經(jīng)開(kāi)始重視橋梁的損傷診斷研究,如在香港的青馬大橋、內(nèi)地的虎門(mén)大橋、徐浦大橋、江陰長(zhǎng)江大橋等已經(jīng)開(kāi)展了相應(yīng)的損傷診斷研究,相信人工神經(jīng)網(wǎng)絡(luò)在橋梁結(jié)構(gòu)的損傷診斷方面一定有很好的發(fā)展前景,而且也為特大橋梁的實(shí)時(shí)監(jiān)測(cè)提供可能。

    參考文獻(xiàn)

    [1 ] 王旭,王宏等。 人工神經(jīng)網(wǎng)絡(luò)原理與應(yīng)用[M] 。 沈陽(yáng):東北大學(xué)出版社,2000

    [2 ] Venkatasubramanian V and Chan K。 A neural network methodology for process fault diagnosis[J ] 。 Journal of AIChE ,1989 ,35(12) ;1993-2002

    [3 ] Worden K。 Structural fault detection using a novelty measure [ J ] 。Journal of Sound and Vibration ,1997 ,201 (1) :85-101

    [4 ] 姜紹飛,張春麗,鐘善桐。BP 網(wǎng)絡(luò)模型的改進(jìn)方法探討[J ] 。 哈爾濱建筑大學(xué)學(xué)報(bào),2000 ,33(5) :57-60
 


Copyright © 2007-2022 cnbridge.cn All Rights Reserved
服務(wù)熱線(xiàn):010-64708566 法律顧問(wèn):北京君致律師所 陳棟強(qiáng)
ICP經(jīng)營(yíng)許可證100299號(hào) 京ICP備10020099號(hào)  京公網(wǎng)安備 11010802020311號(hào)