基于遺傳算法和模糊神經(jīng)網(wǎng)絡的結構健康監(jiān)測研究.pdf

1、本文較全面的評述了基于智能算法的結構健康監(jiān)測方法，詳細介紹了神經(jīng)網(wǎng)絡在結構健康監(jiān)測中的應用模型，指出了單獨使用神經(jīng)網(wǎng)絡技術存在的缺點。在前人工作的基礎上，引入遺傳算法和模糊理論作為優(yōu)化工具，將遺傳算法、模糊理論和神經(jīng)網(wǎng)絡技術相互結合，構建了新型神經(jīng)網(wǎng)絡的訓練算法并用于結構健康監(jiān)測研究。改進了RBF (Radial Base Function，簡稱RBF)神經(jīng)網(wǎng)絡的訓練算法，即用混合遞階遺傳算法對其訓練，該算法將遞階遺傳算法和最小二乘法的

2、優(yōu)點結合在一起，能夠同時確定RBF網(wǎng)絡的結構和參數(shù)，并編制了基于混合遞階遺傳算法的RBF神經(jīng)網(wǎng)絡程序；同時將遺傳算法引入到模糊RBF神經(jīng)網(wǎng)絡模型中，對數(shù)據(jù)的模糊聚類處理部分進行優(yōu)化，并編制了遺傳模糊RBF神經(jīng)網(wǎng)絡的程序；制備了纖維增強復合材料試件，并進行了模態(tài)分析實驗；針對基于實驗數(shù)據(jù)訓練神經(jīng)網(wǎng)絡存在樣本不足的缺陷，本文提出了利用有限元方法對含有脫層損傷的復合材料試驗件進行數(shù)值模擬，以該結構的前六階彎曲模態(tài)頻率經(jīng)過相應的處理后分別構建遺