改进rbf网络及其在悬索桥吊索损伤定位中的应用 - 南京航空航天大学 .doc

改进RBF网络及其在悬索桥吊索损伤定位中的应用( 杨杰1,2 李爱群2 曾捷1 (1. 南京航空航天大学航空宇航学院，南京 210016) (2. 东南大学土木工程学院, 南京 210096) 摘 要: 本文研究了RBF网络行为的过拟合现象，提出了基于准则与Jackknife校验的改进算法。以润扬大桥南汊悬索桥为背景，在对其吊索损伤分析的基础上，构建了RBF损伤定位网络。研究表明所提出的改进RBF网络可以较好地对吊索进行损伤定位。 关键词: 损伤定位，RBF，改进算法 中图分类号：U448.271 文献标识码：A 0 引言 随着服役时间的增加，在役工程结构不可避免地会在各部位发生损伤，通过测试信号对结构损伤进行预报和辨识是一项具有重要意义和富有挑战性的工作。美国Los Alamos实验室Doebling[1]和Sohn[2]的研究报告对各种结构损伤辨识的方法进行了较好地整理和评述。在各种损伤辨识方法中，人工神经网络的应用得到了研究者的日益关注。Wu[3]，Elkordy[4]等较早将反向传播（Back Propagation, BP）神经网络引入工程结构损伤辨识领域，Pandy[5]，Choi[6]，李忠献[7]，胡良红[8]，杨杰[9]等分别将BP神经网络应用于桥梁结构的损伤辨识。然而由于BP网络本质上采用的是基于梯度下降的全局修正学习策略，其每一次误差的反向传播都要对所有的权值进行修正，而实际上对于某次误差调整而言，仅有少量的权值起较大作用，其余的大部分权值的贡献往往是极其微小的，这就从根本上制约了BP网络效率的提高。 径向基（RBF）网络最早由Broomhead[10]提出，是一种采用非线性的径向基函数（Radial Basis Function）作为隐层传递函数，基于局部修正策略的多层前向型神经网络。RBF网络学习效率高，不会陷于局部极小，其网络拓扑结构也可以自动生成。近年来，较多学者开始将其应用于结构的损伤识别研究[11-15]。然而RBF网络拓扑结构可自动生成的特点掩盖了在实际应用中由于不合理训练所导致的网络过拟合现象，并且这一问题未能引起足够的重视。本文拟针对这一问题，提出可控制过拟合现象的改进RBF网络学习算法，并将之应用于悬索桥吊索的损伤定位研究。 1 RBF网络的过拟合分析及改进算法 1.1 过拟合分析 RBF网络可以表达为如下数学模型： 或矩阵形式： 其中，x为输入向量，y为网络的输出，为径向基函数，为欧氏范数，为权值，为径向基中心，为径向基单元的个数，；，，；。 当采用径向基网络进行结构损伤识别时，需要考虑识别目标与网络输出之间的误差，该模型为： 其中，，为目标输出；为残差向量。 在OLS-RBF算法中，为了便于评价各分量对误差的贡献，将进行正交分解： ， 其中，是一个对角线元素为1的上三角矩阵；是一个各列向量正交的矩阵； 是一个对角矩阵，且，。 则由张成的空间同样可以由正交基张成，过程如下： 利用正交最小二乘求解式可得到： 另外，和满足下式： 从而可以根据式快速解得权值的最小二乘估计。 残差可认为独立于其它变量，则其方差可以表示为： 公式中右边第一项中的，即为各向量对输出方差的影响，对其进行归一化，即得到了选择基函数中心的依据，方差贡献率： 所以，算法的本质是依据各向量对输出能量的影响，从大到小来逐个选择基函数的中心，选取的个数为个，通常。取值的大小由误差控制因子控制，使满足： 式中，为设定的误差控制因子，，取值越小，则RBF网络针对训练集数据的拟合能力越强，即训