BP神经网络在结构缺陷识别中应用.pdfVIP

BP 神经网络在结构缺陷识别中的应用 摘要：人工神经网络是一个具有高度非线性映射能力的超大规模连续时间动力系统，在工 程中具有广泛的应用前景。它通过学习样本数据就可以进行预测，不需要预选确定样本的数 学模型。本文介绍了利用BP 神经网络算法来预测门架缺陷识别反问题的方法。通过对结果 的对比分析，可以看出BP 神经网络在预测结构的损伤中具有比较高的可行性。 关键词：BP 神经网络 缺陷识别 反问题 1． 前言 反问题(inverse problems 或 backward problems)一词，自然科学、社会科学和工程中已 广为使用。科学上提出的“反问题”，是相对于“正问题”而言的。世间的事物或现象之间存在 着一定的因果关系，按照由原因到结果的顺序来研究事物的演化过程或分布形态，在科学研 究中一般称为“正问题”。而根据事物的演化结果，由可观测的现象来探求事物的内部规律或 所受的外部影响，由表及里，由果求因，这便是“反问题”。 反问题研究的蓬勃发展始于20 世纪50 年代前后，研究对象主要涉及与探测、识别和设 计有关的应用问题。来自生产、生活的各个领域的实际需求，是推动这一学科迅速发展的动 力。1987 年，以“反问题、反演法和数据反演计算”为主要内容的专题杂志创刊，标志着反 问题研究的独立和成熟。目前，国际上建立的工程反问题组织，每年都举办各种形式的研讨 交流活动，反问题研究已取得令人瞩目的发展。我国自80 年代初，由著名数学家冯康先生 倡议，开始进行反问题研究，现已取得很多理论研究和实际应用的成果。 反问题是以正问题不能处理的内容为分析对象，反问题中解的不适定性情况出现是很多 的，因而对正问题适用的分析方法不一定能原样搬来处理反问题。在工程界广泛存在着反问 题的例子。例如桩基础在荷载作用下的一些参数识别，是正问题所不能解决的。目前流行的 对特大桥的监测监控也是一典型的工程反问题的例子。在工程实际中，反问题处理难度较大, 过程较复杂，有非线性，不适定性和计算量大的特点，且目前尚无完备的研究理论，这也使 得对反问题的研究成为必要。而非线性结构损伤识别技术比较符合工程实践，对其研究更有 意义。反问题的处理方法较多，当今对反问题荷载识别的研究较多采用的是神经网络法。本 文利用BP 神经网络进行样本训练和样本预测，探讨门架的缺陷识别，通过预测值与实际值 对比，可以看出运用BP 神经网络方法预测的未知物理量与已知实际数据之间的非线性关系 具有较好的映射性，预测的结果可信度较高。 2．反问题研究的方法 2.1 反问题研究方法综述与评论 反问题是以正问题所不能处理的内容为分析对象，而且反问题中解的不适定性情况的 出现是很多的，因而对正问题适用的分析方法不一定能原样搬来处理反问题，有必要探讨对 反问题适用的分析方法。 因反问题的种类繁多，性质各异，要找出使用于所有反问题的方法还是很困难的，目 前基本上是处于对各类问题自己适用方法的摸索阶段。当然，超越具体对象，对用于反问题 分析中相互联系的代表性方法进行阐述还是可能的。 由于反问题分析时有时将其化解为若干迭代修正步的正问题来处理，因而正问题分析 的积分方程法、有限元法、边界元法、差分法等仍可作为反问题分析的基础方法。除上述方 法外，还有目前新发展的一些适用于反问题分析的智能型方法，比如神经网络算法和遗传算 法。 2.2 BP 神经网络法简介 近年来以神经网络(NN)和遗传算法(GA)为代表的智能化算法得到了大力发展，这些方法 广泛应用于各个领域。这两种方法均可用于反问题的分析，甚至有取代传统反问题分析方法 的趋势。 人工神经网络是模仿生物大脑结构和功能的一种信息处理或计算系统，本质上它是由 大量基本信息处理单元（神经元）按一定结构连接而成，用来完成不同智能处理任务的一个 大规模处理系统。而且它具有并行处理自学习功能，容错性等特点。目前运用最为广泛的是 BP 网络是由Rumelhart 等人提出的，它是一种前向无反馈网络，因采用多层前传网络误差 反向传播(BP)算法而命名的。该网络是通过样本自学习建立网络(系统)输入变量和输出变量 之间的非线性映射关系。它的理论基础是1957 年苏联学者Kolmogorov 证明的连续函数表示 m n   m m 定理：对于任一连续函数 ，这里 是m 维的单位闭区间