基于智能算法的梁損傷定位的研究與實現(xiàn).pdf

1、隨著房屋建筑、公路交通等工程事故的頻繁發(fā)生，工程質量的好壞引起了人們的日益重視。然而工程結構中由于初始缺陷的存在及荷載和環(huán)境的共同作用，經長期的累積導致的性能下降甚至安全隱患容易被忽視，在特定的環(huán)境和條件下可能導致重大損失甚至是安全事故。梁作為承重構件在整個工程結構的地位非常重要。因此梁的損傷定位是一件非常有意義的工作，目前梁損傷定位采用的主流技術包括基于振動的損傷檢測和基于智能方法的損傷檢測。 人工神經網絡具有大規(guī)模并行分布處

2、理、高度的容錯性和魯棒性及自學習自適應能力，從而成為梁損傷定位的有效手段。多層前向神經網絡網絡是研究最為成熟、應用最為廣泛的人工神經網絡。由于基本的BP算法收斂速度慢，出現(xiàn)了對基本BP算法的各種改進技術，其中采用了數(shù)值優(yōu)化技術的LMBP算法是最快的一種BP算法。由于其基于梯度的搜索策略，BP算法極易陷入局部最優(yōu)點。粒子群優(yōu)化算法作為一種群智能算法，具有很強的全局搜索能力，將其用于訓練神經網絡可以克服BP算法的極易陷入局部最優(yōu)的缺點。然而

3、在粒子群優(yōu)化算法中，早熟現(xiàn)象時有發(fā)生，從而制約了算法的性能。人工免疫系統(tǒng)中抗體抑制機制和基因變異機制能夠有效的維持抗體的多樣性，疫苗接種機制利用先驗知識指導搜索過程，加快了算法的收斂速度。 本文將免疫算子引入粒子群優(yōu)化算法，構造了一種免疫粒子群優(yōu)化算法。對四個基準測試函數(shù)使用免疫粒子群優(yōu)化算法進行試算，并與標準粒子群優(yōu)化算法進行了對比，結果表明免疫算子的引入有效克服了算法容易早熟的缺陷，增強了算法的全局尋優(yōu)能力，明顯改善了粒子群

4、優(yōu)化算法的性能。本文使用這種免疫粒子群優(yōu)化算法來訓練前向神經網絡，結果與基準函數(shù)測試類似，免疫算子的引入改善了粒子群優(yōu)化算法的性能。本文還將免疫粒子群優(yōu)化算法與各種BP算法進行了比較，并使用LMBP算法對免疫粒子群優(yōu)化算法訓練后的網絡進行進一步的訓練，既利用了免疫粒子群優(yōu)化算法結果早期的全局搜索能力，又利用了LMBP算法后期的局部精細搜索能力，網絡性能得到了很大的改善。使用訓練后的網絡對桁架梁進行損傷定位仿真，仿真結果能夠對損傷定位起到