基于遗传算法的结构损伤识别

从遗传算法和神经网络相结合的角度研究了结构损伤识别问题。首先从理论上阐述了遗传算法在研究非线性识别问题中的必要性和有效性 ,然后利用遗传算法与神经网络结合的方法解决结构损伤模型的识别问题 ,说明了遗传算法和神经网络结合后兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能     

结构损伤识别的耦合神经网络方法

目的 基于误差传播算法的BPNN和基于自适应共振理论的ART神经网络，提出一种耦合神经网络的三级识别模型，以实现对结构损伤的自主识别，方法 采用分步识别的思想，利用ART神经网络首先识别出有损伤的层，然后用遗传算法搜索最佳的BP神经网络结构来分别识别结构损伤的具体位置和损伤程度．结果 通过对结构健康监测基准问题的计算表明。提出的耦合神经网络的识别模型能够自主识别结构损伤的发生，正确识别结构损伤的具体位置和损伤程度．结论 基于误差传播算法的BPNN和基于自适应共振理论的ART神经网络组成的耦合神经网络识别模型具有自主识别结构损伤发生的能力。且识别速度快，能够正确识别结构损伤发生的具体位置和损伤程度．适宜于在线监测。     

正交试验法、神经网络和遗传算法的结合

用神经网络建模，遗传算法优化是求解工程优化问题的一种行之有效的方法。但由于神经网络、遗传算法自身的诸多问题，制约了其在较为复杂领域中的应用。正交试验法是一种进行多因素试验的科学方法，本文将它引入神经网络和遗传算法中，将三者结合起来，用正交试验法设计神经网络样本，并用遗传算法优化神经网络结构，较好地克服了各自的弱点，拓展了它们的应用。另外本文对正交试验法配置遗传算法参数做了介绍。     

基于遗传神经网络的大坝变形预测模型研究

神经网络具有自学习、修正误差的能力，遗传算法具有较强的全局随机搜索能力，两者结合可以优势互补．在编码、选择、交叉、变异等方面对基本遗传算法进行改进，提高其效率和性能，并利用改进的遗传算法对神经网络权阚值进行学习，同时确定最佳的网络结构，利用原型观测资料建立了大坝变形预测的遗传神经网络模型。模型具有良好的预测性能及泛化功能，为大坝安全监控提供了有力的技术支持。     

基于静力应变及遗传优化神经网络的城市立交桥梁损伤识别

应用遗传算法优化神经网络的权值和阈值,选取静力应变变化率为神经网络输入参数,以结构的易损截面为研究对象,提出了用于城市立交桥梁的损伤识别方法。以长春市前进大街立交桥左辅道桥为数值模型,对该方法的损伤位置及损伤程度识别能力进行了研究。模拟结果表明:该方法能够对结构单位置及多位置损伤进行成功的定位;对测试样本的损伤程度识别误差在3%以内,且其内插能力要优于外推能力。     

基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足，提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法．首先，结合合作式协同进化遗传算法本身特性和神经网络特点，给出种群分割方法；其次，为了实现结构和权值的同步优化，提出一种新的混合编码方法，并根据该混合编码方法设计新的交叉和变异算子；然后，根据编码结构、代表个体和合作团体之间的关系，提出一种新的结构优化方法；再次，给出进化过程所需代表个体选择、适应度构造方法等．最后，通过双螺旋线问题验证本文算法的有效性．     

基于遗传算法的神经网络在交流调速中的应用

介绍了遗传算法与神经网络的组合方式及结构,并通过遗传算法神经网络的融合技术对交流调速进行控制,通过遗传算法对神经网络的参数进行集中优化,得到了被控制对象的一个最优控制器———神经网络控制器.     

自适应小波概率神经网络损伤识别方法

目的 为了提高大型结构健康监测系统的监测能力与损伤诊断率，降低误报率．方法 以小波变换作为动力信号处理工具。利用其可以降低噪声以及在时域-频域表征信号特征的强大能力。提取小波能量作为特征参数；以贝叶斯推理作为模式识别原理的概率神经网络（PNN）为损伤识别分类器，利用遗传算法来优化PNN模型中的圆滑参数σ，提出自适应小波概率神经网络（AWPNN）损伤识别方法．并对ASCE的基准结构模型进行损伤识别研究以验证该方法的有效性．结果 研究结果表明，在噪声程度达40％时，AWPNN的识别正确率高达98％．结论 AWPNN具有较强的抗噪声能力和较高的损伤识别率。在结构健康监测与损伤识别领域具有很大的潜力．     

基于GA的BP神经网络模型的研究及应用

分析了BP神经网络的缺陷和遗传算法的特点，提出了基于遗传算法的BP神经网络模型算法，该算法利用遗传算法全局寻优能力强等特点，可克服神经网络易陷入局部极小值、训练速度慢的缺陷。仿真结果表明：遗传算法和神经网络相结合的算法具有较好的全局快速收敛等性能。     

基于遗传算法的神经网络优化的研究

有效地确定神经网络的参数和结构,一直是神经网络研究中的一个难点。遗传算法是一种基自然选择和自然遗传机理的全局搜索学习算法。本文研究了遗传算法优化神经网络连接权的思想和方法。实验结果表明,遗传算法为训练神经网络提供了一种新的途径。     

多尺度结构动力方程及其在损伤识别中的应用

以一个三层框架结构为研究对象，分析了结构发生损伤时其动力参数的变化特征.应用小波变换，推导了多尺度结构动力方程来分析结构动力系统中的损伤识别.面向结构损伤识别，描述了多尺度动力方程能获得更丰富的结构参数变化信息.根据时变动力系统的结构损伤识别数值计算的特点，应用状态空间法来对结构损伤动力过程进行数值模拟.通过不同激励荷载下的损伤数值模拟和损伤时域识别，研究了多尺度损伤识别的两个关键性问题：不同位置的传感器对损伤预警的敏感性；系统输入荷载频率成分对损伤信息分布的影响.所进行的研究对于在基于小波分析的结构健康监测中合理选择传感器位置、采样频率及确定信号分解的尺度数具有理论指导意义.     

框架结构损伤识别的试验研究

结构损伤识别是开发结构安全监测系统中的一个重要课题。由于结构频率测试容易测试并且有较高的测量精度,因此成为损伤识别中广泛应用的模态参数。根据模态频率的灵敏度分析,本文提出了一种基于结构损伤前后频率变化测量的损伤参数识别方法,用于确定结构的损伤位置和损伤程度。多种工况的框架结构模型的损伤试验结果表明:对于层间剪切结构,通过结构频率变化率法可以确定结构的损伤位置和损伤程度。     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

现役结构桩基小损伤高精度识别

为了实现对在役结构桩基小损伤高精度识别, 根据桩基损伤后的振动特征微分方程, 建立由模态损伤灵敏度因子、单元损伤因子、单元模态应变能组成的结构损伤识别方程.在应用模态损伤灵敏度因子选择高效损伤识别模态的基础上, 应用损伤前后应变能的变化和小波分析技术对桩基的小损伤进行精确损伤定位识别.在损伤定位识别的基础上, 应用损伤识别方程对桩基的小损伤进行损伤程度诊断.应用本文所提出的方法对SF-1灯塔桩基进行损伤数值模拟识别, 识别误差小于5%, 验证了该损伤识别方法具有较高识别精度.最后应用该方法对在役BHX-12平台的桩基损伤进行识别, 识别结果和实际损伤比较吻合.     

小波函数的选择对结构损伤识别的影响

目的 为了寻找出结构损伤识别中的最优小波函数，进而提高结构损伤的识别精度．方法 选取了几种常用的小波函数，运用小波分析提取能量特征，采用小波概率神经网络方法，对四层钢框架进行了损伤识别及小波函数对损伤识别影响的对比研究．结果 经过比较，发现采用函数曲线圆滑的Mexicancat小波函数识别精度可达100％，识别效果最好．结论 在结构损伤识别领域，选用非正交、正则性好、消失矩阶数大的小波函数具有一定的优势．     

一种环境激励下基于应变测试的结构损伤指标

在线结构监测的损伤识别指标须对结构局部损伤敏感且计算量小以适合在线数据处理的需求.应用自然激励技术及数理统计理论,建立了基于环境激励下结构应变测试数据的损伤指标。算例比较表明,基于应变测试数据建立的损伤指标比基于位移及模态频率的指标对结构局部损伤更为敏感,依据应变测试数据的损伤指标可以很好地检测损伤的发生并大致确定损伤发生的位置.     

结构损伤识别的改进曲率模态方法

结构损伤识别是结构健康监测和结构状态评估的主要前提之一。尽早了解结构的损伤状况和损伤位置有助于提高结构的预期可靠性和安全性,同时降低了结构的维修费用。论文主要研究了如何采用改进的曲率模态方法识别结构的损伤以提高识别精度。基于曲率模态对结构局部损伤比较敏感和频率指标测试简单方便、精度高的特点,论文提出了一种以结构的曲率模态为基础,综合考虑频率变化的改进曲率模态识别结构损伤位置的方法。最后用一数值模拟的简支混凝土梁对该方法与曲率模态方法进行了对比验证。结果表明,改进的曲率模态方法能够更精确地识别出结构的损伤位置。     

基于时间序列的结构损伤在线诊断

结构损伤诊断是当前工程界十分活跃的研究领域,在线损伤诊断是其中一个重要方面.针对结构在线损伤诊断问题,提出一种基于时间序列分析的结构损伤识别方法.首先对结构振动响应的仿真数据建立了自回归滑动平均(ARMA)模型,导出模型的特征方程根与结构固有特性间的关系.然后,定义了AR模型前三阶系数的一种代数组合作为损伤敏感因子,并结合ASCE损伤检测标准模型进行了相应的损伤辨识试验,证明了该方法的可行性和有效性,为结构的在线损伤识别提供了较为有效的工具.     

结构损伤动力识别技术的研究与进展

通过对结构损伤的动力识别技术近二十年来国内外研究成果的总结,阐述了结构损伤动力识别研究的发展历程。首先介绍了结构损伤动力识别技术的基本原理,然后从三个方面,即结构损伤的动力识别机理、结构损伤的动力识别参数和结构损伤的识别算法,分别探讨了结构损伤动力识别技术的发展现状和面临的问题,最后对结构损伤动力识别的未来研究趋势进行了展望。     

基于三向振型变化率的空间刚架结构损伤识别

选取振型变化率作为标示量,对空间刚架进行结构损伤识别。应用ANSYS建立了空间刚架结构无损伤和有损伤的有限元模型,对空间刚架空间三向振型变化率进行计算。分析结果表明：一阶振型变化率能很好地对损伤位置进行识别,也能根据一阶振型变化率对损伤程度进行初步判断,为探索通过振型变化率识别空间刚架的结构损伤提供了一种可行的方法。