基于RBF神经网络的结构损伤识别方法研究进展

阐述了径向基神经网络(RBF网络)用于结构损伤识别的工作原理,介绍了国内外学者利用RBF神经网络对结构进行损伤识别的研究进展,从网络输入参数、网络算法、结构建模等方面,分析了该方法的优点和存在的问题,指明了进一步研究的方向。     

基于K-L变换和径向基函数神经网络的滚动轴承故障模式的识别

径向基函数(RBF)神经络是一种三层前馈型神经网络,它具有较强的非线性函数逼近能力和分类能力。根据径向基函数神经网络的优点,在对滚动轴承振动信号故障特征分析的基础上,应用K-L变换将所测取的振动相关特征矢量转化为独立的特征矢量,利用其主特征值建立径向基函数神经网络,并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性,且具有较高的识别精度。     

基于神经网络的框架结构损伤多重分步识别

提出了基于神经网络的框架结构损伤多重分步识别方法,建立了用于框架结构损伤识别的高效神经网络。根据构件损伤的多重分步识别思路,把构件损伤识别过程分为:利用神经网络建立损伤异常过滤器对构件损伤进行预警;以频率构造的组合指标作为神经网络输入向量,对构件损伤进行初步定位;以频率和模态振型构造的组合指标作为神经网络输入向量,对构件损伤进行具体定位;以频率平方变化率作为神经网络输入向量,对构件损伤程度进行识别。最后针对三跨四层的框架结构进行了损伤识别数值模拟。结果表明:基于神经网络的框架结构损伤多重分步识别方法简化了网络的结构,能够有效地对框架结构损伤进行预警、定位和定量。     

基于神经网络的管道损伤识别分析

利用有限元软件对管道模拟,获得模态参数作为神经网络的输入样本,采用BP,RBF网络的方法对损伤前后的某管道工程进行分析,对比并探讨两种方法在管道损伤识别中的训练结果,实现了对管道的损伤定位和损伤程度的识别。结果表明对于小样本径向基神经网络(RBF)较BP网络有较大的优势。     

一种变径向厚度圆柱壳屋盖结构的分析法

本文提出一种径向变厚度圆柱壳屋盖结构，径向厚度ｔ＝ｔ０（±１＋λ）２。依据文献［１］提出的圆柱壳常厚度半无矩方法，推出该结构内力函数的欧拉方程，从而获得该结构内力计算的精确解。     

运用有限元和神经网络为SHPB装置构造理想冲头

针对大直径岩样专用SHPB试验装置存在的三维效应问题,从三维实体研究入手,利用非线性动力分析有限元程序对不同形状系列冲头进行了实体模拟;并运用径向基函数神经网络对模拟所得数据系列进行网络仿真,然后利用该网络对理想冲头形状进行自适应识别,构造了半正弦波加载SHPB装置的理想冲头,进一步完善了大直径SHPB试验技术;最后与基于一维应力波理论反演设计的冲头进行了比较。结果表明,基于三维实体模拟和径向基函数神经网络构造的冲头产生的应力波形更为理想。     

基于RBF的可靠性工作项目风险综合评价方法研究

利用径向基神经网络优秀的函数逼近和空间插值能力,提出基于径向基神经网络的可靠性工作项目风险综合评价模型。在对原始数据进行“效益型”归一化处理的基础上,采用三层径向基神经网络,利用遍历法得到隐层节点数,进行径向基神经网络的创建与训练,用来进行可靠性工作项目风险的仿真评价。实例表明,该方法具有很好的评价效果。     

基于模糊逻辑--径向基函数网络协作系统的交通事件自动检测算法

事件检测算法是事件管理系统的关键内容。利用神经网络和模糊逻辑结合系统进行事件检测是目前的研究热点 ,有两种形式 :模糊神经网络和模糊逻辑———神经网络协作系统 ,本文提出了基于模糊逻辑和径向基函数网络协作系统的事件自动检测算法 ,用径向基函数网络描述模糊逻辑 ,综合两者的优点。为了反映交通检测参数的相对变化 ,本文提出了新的交通流参数模糊化方法———二次高斯概率法。仿真数据表明 ,本文所提出的算法性能优越 ,适于工程应用     

径向基函数神经网络在桥梁结构损伤识别中的应用

鉴于新旧桥梁在日常运营中缺乏连续、实时的损伤情况分析,基于桥梁结构损伤识别与机器学习中的径向基函数理论,提出了2种损伤识别方法.一是分步识别法,运用频率的变式识别损伤位置,曲率、频率组合输入识别损伤程度,得到了88％以上的位置识别正确率与92％以上的程度识别正确率,适用于对准确率要求较高的结构损伤识别.二是综合识别法,...     

基于神经网络的框架结构构件损伤识别研究

采用多重分步识别方法对框架结构构件损伤识别研究。第一步对构件损伤进行预警;第二步识别构件损伤所在的楼层;第三步在识别出的楼层内对构件损伤具体定位;第四步对构件损伤程度进行识别。以三跨四层的框架结构为计算模型进行了数值模拟,研究表明,应用神经网络技术,采用多重分步识别方法,简化了网络的结构,能够有效地对框架结构构件损伤进行预警、定位。     

基于径向基函数神经网络的高层建筑结构选型

提出了应用径向基函数神经网络进行高层结构体系的选型,它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点.研究表明,径向基函数神经网络运算速度较普通BP算法快103～104倍,并且精度高,可以高效、高质地进行高层建筑结构的选型.     

径向基网络在结构设计与分析中的应用

详细地介绍了径向基(RBF)神经网络的结构和基本原理。基于RBF神经网络能够逼近任意非线性函数的特点,提出了一种基于RBF神经网络建立结构分析模型的方法。与BP网络的仿真结果对比表明,所建立RBF神经网络模型收敛速度快,拟合精度高,适用于复杂结构的建模问题。     

基于均匀设计试验的框架结构正分析分步式损伤识别方法

为对框架结构柱损伤位置和程度进行识别,应用均匀设计方法构建可用于结构损伤正分析档案库的试验表,按此试验表对抽样出的损伤位置和程度进行BP神经网络训练.训练后的神经网络根据分步式识别方法,以固有频率对结构出现的损伤进行层定位,再以位移变化率对损伤进行构件定位,同时反馈获得构件的损伤程度.通过2个模型结构损伤识别的算例,分别验证了所构建神经网络和识别参数的正确性,以及基于均匀设计试验分步式损伤识别方法的有效性.计算结果表明均匀设计试验可在保证识别效果的同时,大幅减少神经网络的训练次数;分步识别方法可对框架结构损伤位置进行精确判定,克服了一步识别框架损伤或单独使用某种参数进行损伤识别的缺陷.     

基于HHT和RBF神经网络的串联故障电弧识别

针对串联故障电弧的识别,提出一种基于HHT(Hilbert-Huang transform,希尔伯特-黄变换)和RBF(radial basis function,径向基函数)神经网络相结合的识别方法。通过对不同负载下正常电流和故障电流信号的EMD分解,得到一系列的IMF分量;提取相关IMF分量的能量熵作为RBF神经网络输入的特征向量,训练RBF神经网络。实验数据分析表明,经过训练的神经网络能够有效地识别串联故障电弧。     

基于神经网络-蒙特卡罗法的隧道初衬可靠度研究

对于功能函数是隐函数的可靠性分析问题,传统的有限元蒙特卡罗法计算量极大。为了克服此缺点,提出了径向基神经网络-有限元蒙特卡罗法(RBF-MCS)。通过样本训练,创建了径向基神经网络模型。利用ANSYS软件中的可靠度分析模块,分析了基本随机变量对隧道初衬轴力的灵敏度大小的顺序。通过此方法和传统的有限元蒙特卡罗法分别计算了大瑶山隧道初衬的轴力和可靠度,并进行了对比分析。基于径向基神经网络-有限元蒙特卡罗法(RBF-MCS)的计算结果与施工实际吻合较好,通过现场观察也没有发现喷层混凝土压裂破坏,可见计算结果是符合实际的。径向基神经网络-有限元蒙特卡罗法比传统有限元蒙特卡罗法更加适合复杂结构的计算,具有更高的效率、精度和适用性。     

基于径向基函数神经网络的铁路路径规划

通过合理路径规划实现高速铁路能量效率的优化是铁路运行中的重要研究内容。本文引入资格迹(eligibility trace)改进径向基函数(RBF)神经网络。在此基础上,使用改良的径向基函数(RBF)神经网络实现列车在复杂情况下的路径规划。     

吸引热下非线性Schrodinger方程的关联函数

本文在文献［１］，［２］，［３］的基础上，进一步把场量变换成Ｊｏｒｄａｎ－Ｗｉｇｎｅｒ变换方程，进而求出了固定时间情况下的两点关联函数。     

基于数据挖掘的冷水机组能耗预测

为了充分利用能源站冷水机组实际运行数据,提高能耗预测准确率,提出了一种基于数据挖掘算法的冷水机组能耗预测模型。该模型包含3个主要步骤:数据预处理、模型建立及分析、结果表述。在模型选择上,利用支持向量机、径向基函数神经网络及决策树3种算法建模并对比分析。结果表明:基于数据挖掘的能耗预测模型有较好的实用性与可靠性;相比其他2种模型,径向基函数神经网络模型的均方根误差值平均降低了0.661,相关系数达到0.999,即径向基函数神经网络的能耗预测准确率最高,建模效果最佳。     

径向基函数神经网络预测城市用水量模型及应用

以城市用水人口和城市生产总值作为输入向量,年用水量数据作为目标向量,建立了径向基函数神经网络并对城市用水量进行预测。采用不同的扩展速度,预测误差不同。当扩展速度spread=1时,预测数据与实际数据的相对误差均小于0.05%,取得了很好的预测效果,说明采用径向基函数神经网络模型预测城市用水量的方法是可行的。     

建筑工程投资的IRBF智能预测系统研究

采用粒子群优化算法对径向基函数神经网络进行了改进,形成了新的IRBF耦合算法,建立了工程项目的技术经济参数与投资之间的非线性隐式方程,构建了集动态识别与预测为一体的智能预测系统,工程实例分析表明,lRBF智能预测系统具有良好的预测精度.