GABP算法在混凝土结构故障诊断中应用研究.docVIP

GABP算法在混凝土结构故障诊断中应用研究 　　摘 要：混凝土结构故障诊断问题包含极其丰富的内容，实际工程中又不断地提出各种新的要求，致使其利用传统的方法难以解决。应用神经网络(NN)与遗传算法(GA)来解决混凝土研究中的难点问题，已经成为当前混凝土结构故障诊断研究领域的一个热门课题。GA－BP网络诊断模型为解决大规模、复杂、并行的系统问题提供了广阔的前景。 　　关键词：遗传算法；BP网络；混凝土结构；故障诊断 　　中图分类号：TP183；TD313文献标志码：A 　　文章编号：1001-3695(2007)06-0227-03 　　 　　0 引言?? 　　混凝土是土木、水利工程中应用很广的建筑材料之一。其结构在工作中常常出现各种各样的裂缝。当裂缝发展到一定程度，就会影响安全使用及耐久性。混凝土结构通常是带裂缝工作的，即在一定的损伤程度下使用，所以定量地描述混凝土的损伤演化规律，是进行混凝土结构设计与计算的理论基础，是一个迫切需要解决的技术难题。随着已有建(构)筑物的不断增多和老化，用于检测、维修和改造的费用也在逐年增加。只有应用先进的监测诊断技术才能提供科学、可靠的数据，为修补、加固措施提供依据，以减少维修费用。而重要工程在竣工后更需要长期的监测和日常管理。加强对混凝土结构的监测诊断已成为今天土木工程技术中的重要课题。随着人们对混凝土建筑结构监测重要性认识的深入，以及国家有关建筑法规的实施，结构监测诊断已成为继勘察、设计、施工、监理后的又一个产业［1］。?? 　　混凝土是由粗骨料及水泥石形成的多相体，混凝土结构故障诊断是个复杂的系统工程，且是动态的、非线性的和不可逆的。自20世纪80年代以来，人们注意到了信息时代的新的思维方式应用于混凝土结构裂缝诊断模拟中的优越性，很多混凝土结构问题的研究已经从不同角度、不同侧面应用了计算智能的理论与方法。其中尤以神经网络(NN)与遗传算法(GA)的应用研究居多。?? 　　BP网络是应用得较为广泛的一种神经网络，尤其在建模、模式识别和优化等方面广为应用。它是一个高度非线性的超大规模连续时间动力系统，也是一个超大规模非线性连续时间自适应信息处理系统；同时它具有大规模分布处理及高度的鲁棒性和学习联想能力。网络的信息处理由神经元之间的相互作用来实现，知识与信息的存储表现为网络元件互连间分布的物理关系，网络的学习与识别决定于各神经元连接权系数的动态演化过程。但BP网络也有其自身的缺点，它在权值和阈值优化时本身采用的是基于梯度的算法， 因而易于陷入局部最优点［2］。?? 　　GA算法是一种模拟自然进化过程搜索最优解的方法。它借鉴了生物界自然选择和自然遗传机制，即基于达尔文适者生存，优胜劣汰的进化原则，对包含可行解的群体反复使用遗传学的基本操作，不断生成新的群体，使种群不断进化。同时，以全局并行搜索技术来搜索优化群体的最优个体，以求得满足要求的最优解。GA算法的最大的优点是即使对多态的或非连续的函数，它也能获得全局最优解［3］。?? 　　由于GA算法具有很强的宏观搜索能力，并且具有简单通用、鲁棒性强、适于并行处理等特点，用它来完成前期的搜索能较好地克服BP算法的缺点。将两者结合起来，形成一种混合训练算法，达到优化网络的目的。本文在设计GA―超线性BP网络混凝土结构裂缝诊断模型结构时，应用遗传算法可以自主地辨识最小的包含最优解的搜索空间。训练时先由遗传算法进行寻优；将搜索范围缩小后，再利用BP网络来训练；最后利用网络的泛化能力对未输入的混凝土样本进行预测［4］。?? 　　 　　1 BP网络的基本原理和方法?? 　　BP网络由输入层、隐层和输出层组成。对于??N个样本集合： 　　 　　2 超线性BP学习算法?? 　　传统的BP算法对于规模较小的故障诊断问题具有很好的实用性，但对于较大规模混凝土结构故障诊断，存在学习速度慢和易陷入局部极小等问题。而采用超线性BP学习算法，可提高网络的学习速度和稳定性。该梯度下降法形式如下： 　　 　　3 GA－超线性BP算法?? 　　改变BP算法依赖梯度信息的指导来调整网络权值。利用GA算法全局性搜索的特点,寻找最为合适的网络连接权和网络结构。BP神经网络由输入层、输出层和隐层组成，而输入层、输出层节点的个数由建模样本决定，故而在优化BP网络结构时，主要是优化其隐节点的个数。 　　3.1 GA－超线性BP网络数学描述 　　3.2 GA－超线性BP算法步骤 　　 　　4 GA－超线性BP网络诊断模型?? 　　4.1 BP网络应用于故障诊断的优势?? 　　BP网络之所以适合于故障诊断，有三个主要原因：?? 　　(1)训练过的BP网络能存储有关过程的知识，能直接从定量的历史故障信息中学习。可根据对象的正常历史数据训练网络，将此