论文部分内容阅读
随着房屋建筑、公路交通等工程事故的频繁发生,工程质量的好坏引起了人们的日益重视。然而工程结构中由于初始缺陷的存在及荷载和环境的共同作用,经长期的累积导致的性能下降甚至安全隐患容易被忽视,在特定的环境和条件下可能导致重大损失甚至是安全事故。梁作为承重构件在整个工程结构的地位非常重要。因此梁的损伤定位是一件非常有意义的工作,目前梁损伤定位采用的主流技术包括基于振动的损伤检测和基于智能方法的损伤检测。人工神经网络具有大规模并行分布处理、高度的容错性和鲁棒性及自学习自适应能力,从而成为梁损伤定位的有效手段。多层前向神经网络网络是研究最为成熟、应用最为广泛的人工神经网络。由于基本的BP算法收敛速度慢,出现了对基本BP算法的各种改进技术,其中采用了数值优化技术的LMBP算法是最快的一种BP算法。由于其基于梯度的搜索策略,BP算法极易陷入局部最优点。粒子群优化算法作为一种群智能算法,具有很强的全局搜索能力,将其用于训练神经网络可以克服BP算法的极易陷入局部最优的缺点。然而在粒子群优化算法中,早熟现象时有发生,从而制约了算法的性能。人工免疫系统中抗体抑制机制和基因变异机制能够有效的维持抗体的多样性,疫苗接种机制利用先验知识指导搜索过程,加快了算法的收敛速度。本文将免疫算子引入粒子群优化算法,构造了一种免疫粒子群优化算法。对四个基准测试函数使用免疫粒子群优化算法进行试算,并与标准粒子群优化算法进行了对比,结果表明免疫算子的引入有效克服了算法容易早熟的缺陷,增强了算法的全局寻优能力,明显改善了粒子群优化算法的性能。本文使用这种免疫粒子群优化算法来训练前向神经网络,结果与基准函数测试类似,免疫算子的引入改善了粒子群优化算法的性能。本文还将免疫粒子群优化算法与各种BP算法进行了比较,并使用LMBP算法对免疫粒子群优化算法训练后的网络进行进一步的训练,既利用了免疫粒子群优化算法结果早期的全局搜索能力,又利用了LMBP算法后期的局部精细搜索能力,网络性能得到了很大的改善。使用训练后的网络对桁架梁进行损伤定位仿真,仿真结果能够对损伤定位起到指导作用。在此基础上,本文实现了桁架梁的损伤定位仿真系统。