基于遗传算法优化神经网络权值的大坝结构损伤识别.pdfVIP

第 3卷 第2期 震灾防御技术 V0l1．3．No．2 2008年6月 TechnologyforEarthquakeDisasterPrevention June．20o8 李小荣，郭永刚，2008．基于遗传算法优化神经网络权值的大坝结构损伤识别．震灾防御技术，3(2)：189—196 基于遗传算法优化神经网络权值的 大坝结构损伤识别 李小荣 ’郭永刚 ’ 1)北京工业大学建筑工程学院，北京 100022 2)中国水利水 电科学研究院，北京 100044 摘要 针对传统 BP神经网络存在着容易陷入局部极小点、训练时问太长等缺点，本文采用基于 浮点编码的遗传算法，对 BP神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法 来优化 BP神经网络的权值，可得到最佳初始权值矩阵，并按误差前向反馈算法，沿负梯度搜索 进行网络学习。文中以混凝土重力坝结构作为算例，用结构的模态频率变化作为网络的输入向量， 结构的损伤位置作为输出向量，对网络进行了训练。仿真结果表明：遗传 BP神经网络的收敛和 诊断能力优于传统BP神经网络，可有效地运用到大坝结构的健康诊断与损伤识别中。 关键词：遗传算法 BP神经网络 损伤 大坝 引言 近几年来，人工神经网络作为一种新的模式识别或新的智能诊断方法，以其独到的并行 分布式处理，自组织及 自学习能力，联想记忆，良好的容错性、鲁棒性、极强的非线性映射 能力，在结构的损伤识别中显示了极大的应用潜力。其中，基于误差反向传播理论的前馈网 络 (BP网络)是一种较成熟且应用最广泛的方法，该方法存在2个主要问题：一是网络学习 训练 的收敛性较差；二是网络易收敛到局部最小点 (李学 良，2005)。为此，本文将用改进的 遗传算法对 BP网络进行改进，用来克服以上缺点，并通过对假定大坝结构的数值仿真进行 了验证。 1 遗传算法在BP网络中的应用机理 遗传算法是一种基于 自然选择和群体遗传机理的搜索算法 (Holland，1992；李秀芬， 2005)。在利用遗传算法求解问题时，问题的每个可能的解都被编码成一个 “染色体”，即个 体，若干个个体构成了群体 (所有可能的解)。在遗传算法开始时，总是随机地产生一些个体 [收稿 日期]2008—03—04 [作者简介]李小荣，女，生于 1979年。硕士。主要从事结构健康诊断与维修加固研究。E-mail：xiaorongli828@emails．bjut．edu．cn 190 震灾防御技术 3卷 (即初始解)，根据预定的目标函数对每个个体进行评价，就给出了一个适应度值。基于其适 应度值，选择个体用来复制下一代 ，即 “优 ”的个体，被选择用来复制；而 “劣”的个体， 则被淘汰。然后，对选择出来的个体经过交叉和变异算子进行再组合，生成新的一代。这一 群新个体 由于继承了上一代的一些优 良性状，因而在性能上要优于上一代，这样就可能逐步 朝着更优解的方向进化。正是基于上述原理，本文将用改进的遗传算法对神经网络权值进行 优化；用遗传算法优化神经网络权值的基本原理来固定网络结构；并用遗传算法训练网络权 重 。同时，本文通过以大坝结构为算例，对文中方法的有效性和适用性进行了检验。 2 遗传BP神经网络的构造 遗传算法主要通过2种方式应用到神经网络设计中，一种是找出网络的规模、结构和学 习参数，但 由于进化网络结构是一件非常困难的事情，所以这种方法只解决一些简单的问题； 另一种是训练已知结构的网络，优化网络的联结权。目前，遗传算法与神经网络相结合的研 究，大都集中在网络权重的训练上。用遗传算法优化BP网络联结权的步骤如下 (Holland， 1992；马祥森等，2004)： (1)染色体的表达与初始种群的生成 按神经网络生成初始权重的常规办法，来生成网络的权重，其任一组完整的神经网络权 重 为： ={wv，w2j，w3j，6，b2j，b3j，i=1，2，…，P)，它相当于一个染色体，这样的 染色体共有P个，即