基于遗传 BP 神经网络反演楔体参数的研究.PDFVIP

第36 卷第1 期 声 学 技 术 Vol.36, No.1 2017 年2 月 Technical Acoustics Feb., 2017 基于遗传 BP 神经网络反演楔体参数的研究 张 雨，贾 静，韩庆邦，姜学平，单鸣雷，朱昌平 (河海大学物联网工程学院，江苏常州 213022) 摘要 ：为了获得未知楔体的参数，建立了遗传算法和反向传 (Back Propagation，BP)神经网络结合的反演模型。仿 真得到不同角度、密度、杨氏模量下楔体导波的频散曲线。采用反对称第一阶模态相速度数据作为遗传BP 神经网络 反演模型的输入变量；利用遗传算法改进BP 神经网络获得优化的初始权值和阈值，并对BP 神经网络进行训练；最 后将实测的楔体一阶模态相速度代入训练好的网络进行参数反演。结果表明，通过该反演模型可同时反演出楔体的 角度、密度、杨氏模量，并且较单一BP 神经网络具有收敛速度快、精度高的优点。 关键词：反演；楔体导波；频散；BP 神经网络；遗传算法 中图分类号：TB551 文献标识码：A 文章编号： 1000-3630(2017)-01-0001-05 DOI 编码： 10.16300/ki.1000-3630.2017.01.001 Research on genetic BP neural network based wedge parameter inversion ZHANG Yu, JIA Jing, HAN Qing-bang, JIANG Xue-ping, SHAN Ming-lei, ZHU Chang-ping (College of Interhet Of Things Engineering, Hohai Universitg, Changzhou 213022, Jiangsu, China) Abstract: In order to obtain the material parameters of an unknown wedge, an inversion model based on back propa gation neural network combined with genetic algorithm is established. The wedge wave dispersion curves with different angles, density and young modulus are obtained by simulation. The phase velocity of the first mode in the an ti-symmetrical flexural modes is chosen as the inputs of the established model. Genetic algorithm is introduced to get the optimized initial weight and threshold. Then the optimized results are taken to train the BP neural network.The first mode data measured from samples are use