基于GA-BP神经网络的结构损伤识别研究-计算机技术专业论文.docxVIP

摘 要 现在设计建设的电力工程建筑使用寿命大多要达到 60 年以上，在电力工程建 筑物长期使用过程中对建筑物能否进行实时监测，保证其耐久性和安全性，对电力 工程全寿命周期管理有着重要意义。健康监测系统的核心技术之一是损伤识别技 术，进一步深入研究能适应电力土木工程结构实时健康监测系统需要的损伤识别方 法具有重要的理论意义和工程实际应用价值。 结构损伤识别问题实质上可看作是一个模式识别问题，即确定损伤指标与结构 损伤状态之间的关系问题。人工神经网络算法在模式识别问题方面具有突出的优 点，逐渐被越来越多的研究者应用于结构损伤识别领域。然而，由于 BP 算法是一 种基于梯度下降的搜索方法，存在着如收敛速度慢、易陷入误差函数的局部极小点 等不足，无法满足实际应用的需求。 本文研究了 BP 算法和遗传算法的基本原理，分析了遗传算法和 BP 神经网络 算法融合的必要性、基本思想以及融合时基本要素的确定方法，将擅长全局搜索的 遗传算法和局部寻优能力较强的 BP 算法相结合，根据遗传算法的交叉、变异和选 择算子在全变量空间以较大概率搜索全局解，在解的点附近利用 BP 神经网络快速、 精确地收敛定位最优解，利用遗传算法调整神经网络的权值，将优化所得的参数作 为神经网络的初始权值，既避免陷入局部极小值，同时提高了算法收敛速度。 本文提出了利用结构的前五阶固有频率用于框架结构的损伤预警指标，结合某 发电厂框架结构实例，选取了框架结构的损伤定位和定量指标，采用改进优化的 GA-BP 算法构建了电力工程框架结构损伤识别系统；实验结果表明基于遗传优化的 BP 算法的框架结构损伤识别系统，损伤识别的效果良好，能够满足实际工程中的 精确度要求。 关键词：结构损伤识别；电力工程；框架结构；GA-BP 算法 I Abstract At present, the constructions of power engineering are required to be able to use more than 60 years. In the long process of use of the power engineering buildings, effective real-time monitoring of the building, ensuring its durability and safety, has an important significance to the whole life cycle management of electric power project. One of the core technologys of health monitoring system is the damage identification technology. the further in-depth study on the damage identification method, which can be well fit for the real-time structural health monitoring system of electric power civil engineering structure, has an important theoretical significance and engineering application value. The problem of structural damage identification essentially can be regarded as a problem of pattern recognition, which is a problem to find the contact of the damage characteristic indexes and damage state. The neural network has obvious advantages in the field of pattern recognition and has been used in the field of damage identification by more and more scholars and researchers. However, BP algorithm is a kind of method depending on the gradient descent, and it is hard for it to avoid the problem of slow convergence and falling i