基于BP人工神经网络的结构损伤定位.pdfVIP

2006年学术交流会论文 基于BP人工神经网络的结构损伤定位 安宝贯胡名文丁海棠 (日熙建筑设计研究院有限公司276826．) 摘要：本文结合建筑结构损伤定位的传统方法，把近年来兴起的人工神经网络技术引用到结构损伤 的定位中。经过理论分析和工程实践证明，该方法是可行的，具有光明的工程应用前景。 关键词：人工神经网络损伤定位模态分析残余应力 结构损伤的原因是多方面的，对结构进行损伤定位是一个运用数学模型建立描述 物理系统的过程。对于遭受不同程度破坏的结构，本身的某些特性往往发生变化。传 统的损伤定位是通过测定结构的荷载、位移、应变和加速度等等作用，从材料性能如 强度、刚度和动力特征(如振动频率、阻尼比和模态振型)等方面对结构损伤做出判 断。但由于随机因素、模糊因素和信息不完备等因素的影响而造成实测数据不准甚至 错误，而且损伤结构的因素往往是隐性的，很难给出一个明确的数学表达，给数学模 型的确立带来了困难。 国内外已有很多学者把人工神经网络理论应用到建筑结构的其他方面，在结构损 伤领域中的应用，也开始有学者进行研究【卜21。人工神经网络具有学习、联想、记忆和 模式匹配的能力和优良的容错性能。训练过的网络能够存储有关过程的知识，能从定 量的历史学习中学习，在有噪声污染的情况下滤出噪声，根据结构的正常历史数据训 练网络，然后将网络学习后输出的信息与当前测量数据进行比较，从而确定结构的损 伤。 剐、愿 BP网络采用有教师的学习规则，其算法 的核心是通过一边向后传播误差，一边修正 图1BP人工网络结构图 误差的方法来不断调节网络参数(权、阀值)，以实现或逼近所希望的输入、输出映射 关系。它对每一个学习过程进行两趟传播计算： 工作信号正向传播——输入信号从输入层经隐含层，在输出端产生输出信号。在 信号的向前传递过程中网络的权值保持不变，每一层神经元的状态只影响下一层神经 一227— 2006年学术交流会论文 元的状态。如果在输出层不能得到期望的输出，则转入误差信号的反向传播。 误差信号度向传播—L网络的实际输出与期望输出之间差值即为误差信号，误差 信号由输出端逐层向前传播。在误差信号反向传播的过程中，网络的权值由误差反馈 进行调解。通过权值的不断修正使网络的实际输出更接近期望输出。BP算法的步骤如 下： (1)初始化权值及阀值为一系列小的随机数； (Z)施加输入矢量XIX2…】(Il及期望输出ylY2…ym： (3)从第一隐含层开始，逐层计算每个单元的静输入值 卫 s』2艺WjkOjk k--I 。式中，Oik为输出到j单元上的k单元的输出值；N为与j单元相连的输出单元数： Wk为j单元与k单元之间的连接权值； (4)由静输入值根据激活函数得出激活值口， ，口，=兀G，) 圃 (5)由激活值再计算其输出值厦两甭灭百圭丽丽 式中，G为输出函数，对于 中间层G【口，)-口，：对于输出层则 需根据输入输出模式具体确定函 数G的形式； (6)由输出层反向逐层计算连 接权的修正值△％ (7)重复(3)、(4)、(5)、(6)步骤直 到使实际输出值与期望输出值的 翠 杈值学习 均方差达到最小。、 BP网络算法的流程如图2所示。 2结构损伤定位 图2 BP神经网络算法框图 损伤后建筑结构和为损伤的结构比较，固有物理参数会产生变化。根据不同的物理 参数，可以从各个角度描述结构的损伤。主要特征指标有结构位移模态