参数灵敏度分析的神经网络方法及其.pdfVIP

第21卷第6期 　 计 算 力 学 学 报 　 V o l. 2 1 , N o . 6 2004 年 12 月 Ch inese Journa l of Com puta tiona l M echan ics D ecem ber 2004 文章编号:(2004) 参数灵敏度分析的神经网络方法及其工程应用 陈太聪, 　韩大建 , 　苏　成 (华南理工大学 土木工程系, 广东 广州 510640) 摘　要: 在系统分析中, 参数灵敏度分析不仅为判断各系统参数的重要性大小提供了依据, 量化的灵敏度指标也 是后续参数估计的前提。然而, 在多数实际系统中, 系统参数与系统状态间的显式函数关系不易得到, 导致一阶 灵敏度指标无法直接求取。简化的单因素分析方法亦存在模型粗糙、精度不高的缺点。本文研究采用人工神经网 络的高精度泛化映射, 通过少量样本的训练, 建立复杂系统中多个系统参数与系统状态间的近似映射关系, 继而 推导得到统一的灵敏度计算列式。简单结构的神经网络方法和解析方法的对比计算显示了方法的有效性和可靠 性。最后, 应用该法对某斜拉桥结构的荷载参数和刚度参数进行了考查, 得到一般性结论。 关键词: 灵敏度分析; 人工神经网络; 斜拉桥; 施工控制 中图分类号: O 342; T P 183　　　文献标识码:A 术手段之一, 在近十年来得到了长足发展, 通过简 1　引　言 单的矩阵加、乘计算, 即可实现对复杂非线性系统 现实系统中, 系统输出常常受多个参数的共同 机制的近似模拟。本文研究通过神经网络对系统模 影响, 在系统模型化的过程中, 无必要也不可能对 型的数值模拟, 在网络非线性泛化映射的基础上, 所有参数都加以考虑, 只需通过对影响程度大的主 推导得到系统输出对系统参数的一阶灵敏度矩阵 要参数的数值进行准确地估计, 即可用以建立合理 的统一计算公式, 并应用于斜拉桥施工这一复杂非 可靠的系统模型。参数灵敏度分析的目的正是计算 线性系统的参数灵敏度分析中。 各系统参数对系统输出的影响因子, 从而对系统参 2　参数灵敏度分析的神经网络方法 数进行筛选, 所得影响因子亦用于后续参数估计。 如今, 参数灵敏度分析在结构损伤识别、模型修正 类似于人脑的作用机制, 神经网络通过有监督 和非确定性分析等方面得到了越来越广泛的应用。 的指导进行学习, 所获得的知识成果存储于神经元 ( ) 一般地, 系统模型由系统参数和系统输出通过 间的联结之中, 由联结强度 权值 体现。对于后继 一系列的系统方程构成。在复杂系统中, 由于系统 的具同一内部机制的复杂问题, 该神经网络只需通 ( 过权值对神经元的激励即可实现正确响应。 方程过于复杂, 灵敏度指标 一般取为一阶灵敏度 系数, 即系统输出对系统参数的一阶导数[ 1 ] ) 常常 根据神经元和联结的不同排列, 神经网络可以 有众多