基于人工神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)有限元模型修正研究.pdf

1、針對BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于橋梁結(jié)構(gòu)模型修正過程中所存在的最優(yōu)結(jié)構(gòu)問題（即網(wǎng)絡(luò)中隱層數(shù)和隱層節(jié)點數(shù)難以確定的問題），本文采用遞階遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與初始參數(shù)，提升了神經(jīng)網(wǎng)絡(luò)在橋梁結(jié)構(gòu)模型修正中的預(yù)測性能，并以該方法對一多跨連續(xù)梁橋的有限元模型進行修正，取得了較好的修正效果。
　　 本文主要開展了以下幾方面的研究工作:
　　 1)提出了采用遞階遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)性能的方法，利用遺傳算法良好的全

2、局尋優(yōu)能力來彌補神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值的缺點，提升了神經(jīng)網(wǎng)絡(luò)的全局尋優(yōu)能力。與此同時，由于遺傳算法中的個體采用遞階編碼的方式，使得BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與初始權(quán)、閥值同時得到優(yōu)化，從而減少了網(wǎng)絡(luò)中存在的冗余節(jié)點數(shù)量，提升了網(wǎng)絡(luò)的訓(xùn)練效率，加快了神經(jīng)網(wǎng)絡(luò)的收斂速度。本文基于MATLAB平臺編寫了該算法的程序代碼，并以一個擬合復(fù)雜非線性函數(shù)的試驗算例驗證了遞階遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合的可行性及優(yōu)越性。
　　 2)對多輸入神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本

3、的準(zhǔn)備方法進行了研究，并提出了依據(jù)均勻設(shè)計原理準(zhǔn)備多輸入BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的方法。但限于可獲得均勻設(shè)計表的數(shù)量有限，本文在MATLAB環(huán)境下編寫了生成任意水平數(shù)與任意因素數(shù)均勻設(shè)計樣本的程序代碼，為后續(xù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供了充足的樣本。并通過一多輸入非線性函數(shù)試驗算例，證明了該方法在保證同樣訓(xùn)練精度的情況下，可以顯著地減少所需要的樣本數(shù)量，提高了BP網(wǎng)絡(luò)優(yōu)化效率。
　　 3)將優(yōu)化后的神經(jīng)網(wǎng)絡(luò)應(yīng)用于實橋模型修正中，依據(jù)橋梁施工監(jiān)控