基于神经网络的结构破损诊断

发布时间：2021-04-18 00:23

　　利用模态参数进行结构破损诊断是国内外研究的热点和难点。本文提出了基于改进型BP神经网络进行结构破损诊断的方法。BP网络由于具有强大的映射能力、容错性和鲁棒性等优点，非常适合解决破损诊断这类反问题。但随着研究的深入，BP网络在应用中遇到了两个主要问题：（1）难以确定网络结构和初始值；（2）易陷入局部最小解。 针对BP网络的不足，本文提出了一种基于遗传算法（GA）-BP网络的混合技术进行结构破损诊断的方法。该方法采用实数编码的遗传算法优化BP网络的结构及初始参数，从而提高了网络的精度。对比遗传BP网络与传统BP网络对三个仿真算例的识别结果，遗传BP网络的稳定性更好，精度更高，对噪声有很强的鲁棒性，是一种准确有效的结构破损诊断方法。 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

钢结构框架实验模型‘_一为了考虑结构建模误差的影响，该结构模型采用了两种自由度的有限元模型来产生模拟数据

【参考文献】：
期刊论文
[1]结构智能健康诊断的理论与方法[J]. 董聪,范立础,陈肇元.  中国铁道科学. 2002(01)
[2]结构损伤探测的基本方法和研究进展[J]. 马宏伟,杨桂通.  力学进展. 1999(04)
[3]遗传算法与神经网络的结合[J]. 李敏强,徐博艺,寇纪淞.  系统工程理论与实践. 1999(02)
[4]改进的BP神经网络收敛性的实验研究[J]. 张明德,冯闻铮,董敏,刘福祯,乔长阁.  计算机工程. 1998(05)
[5]静态前馈型网络的监督学习方法研究进展[J]. 徐雷,迟惠生.  电子学报. 1992(10)



本文编号：3144425