專利名稱：：基于改進徑向基神經(jīng)網(wǎng)絡(luò)的懸索橋吊索損傷定位方法
技術(shù)領(lǐng)域：
：發(fā)明涉及一種應(yīng)用于結(jié)構(gòu)損傷定位的方法，尤其是一種應(yīng)用于懸索橋的吊索損傷定位的方法。
背景技術(shù)：
：RBF(RadialBasisFunction,徑向基)網(wǎng)絡(luò)最早由Broomhead"提出，是一種采用非線性的徑向基函數(shù)作為隱層傳遞函數(shù)的，基于局部修正策略的多層前向型神經(jīng)網(wǎng)絡(luò)。RBF網(wǎng)絡(luò)學(xué)習(xí)效率高，不會陷于局部極小，其網(wǎng)絡(luò)拓撲結(jié)構(gòu)也可以自動生成，因而在工程應(yīng)用中帶來了很大的方便。近年來，較多學(xué)者開始將其應(yīng)用于結(jié)構(gòu)的損傷識別研究[2—7]。RBF網(wǎng)絡(luò)的性能在很大程度上取決于它的學(xué)習(xí)算法，學(xué)習(xí)的目的是為了合理確定RBF網(wǎng)絡(luò)的三個重要參數(shù)RBF函數(shù)的中心、響應(yīng)半徑或?qū)挾?、?quán)值。Chen""提出的基于正交最小二乘(OrthogonalLeastSquares,OLS)的學(xué)習(xí)算法是目前被普遍采用的學(xué)習(xí)算法，該方法依據(jù)各輸入向量對誤差貢獻的大小來選擇徑向基函數(shù)的中心，同時利用Gram-Schmidt法則快速求得權(quán)值的最小二乘解。然而，在國內(nèi)外的結(jié)構(gòu)損傷識別研究中，往往是把RBF網(wǎng)絡(luò)當作一個黑箱工具來使用，對于RBF網(wǎng)絡(luò)的工作機理研究不夠深入，尤其是RBF網(wǎng)絡(luò)的拓撲結(jié)構(gòu)的自動生成掩蓋了由于不合理訓(xùn)練所導(dǎo)致的網(wǎng)絡(luò)過擬合現(xiàn)象，對于這一問題目前未能引起足夠的重視。過擬合現(xiàn)象會嚴重影響網(wǎng)絡(luò)的泛化能力，使得網(wǎng)絡(luò)的工作性能急劇下降。如Rytter的研究中發(fā)現(xiàn)采用RBF網(wǎng)絡(luò)的損傷辨識結(jié)果錯誤很多，效果明顯不如BP網(wǎng)絡(luò)[1()]，通過對Rytter所研究的問題進行分析計算，可發(fā)現(xiàn)其RBF網(wǎng)絡(luò)出現(xiàn)了過擬合現(xiàn)象，從而導(dǎo)致辨識效果較差。在懸索橋等復(fù)雜結(jié)構(gòu)的損傷定位中，這一問題顯得尤為重要。參考文獻BroomheadDS,LoweD.Multivariablefunctionalinterpolationandadaptivenetworks[J].ComplexSystems,1988，2:321-355.[2]饒文碧,吳代華.RBF神經(jīng)網(wǎng)絡(luò)及其在結(jié)構(gòu)損傷識別中的應(yīng)用研究[J].固體力學(xué)學(xué)報,2002,23(04):477-482.劉效競.斜拉橋損傷識別的徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)設(shè)計[J].工程設(shè)計Cad與智能建筑，2000,(07):35-37.張剛剛，王春生,徐岳.基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的斜拉橋損傷識別[J].長安大學(xué)學(xué)報(自然科學(xué)版),2006,26(1):49-53.YuanX.D,,FanH.B.,GaoC.,GaoS.X.AnumericalsimulationstudyofstructuraldamagebasedonRBFneuralnetwork[J].NeuralInformationProcessing,Pt3,Proceedings,2006,4234:322-330.問LiH.J.,HeC.J.,JiJ.L,WangH.，HaoC.Z.Crackdamagedetectioninbeam-likestructuresusingRBFneuralnetworkswithexperimentalvalidation[J].InternationalJournalofInnovativeComputingInformationandControl,2005,1(4):625-634.YangY.,ChengJ.S.,DingG.，TianD.StudyonthestructuraldamageidentificationmethodwithcombinedparametersbasedonRBFneuralnetwork[C].Proceedingsof2003InternationalConferenceonMachineLearningandCybernetics,2003,3216-3218.ChenS，CowanCFN,GrantPMOrthogonalLeastSquaresLearningAlgorithmforRadialBasisFunctionNetworks[J],IEEETransactionsonNeuralNetworks,1991,2(2):302-309.ChenS,GibsonGJ,CowanCFN,etal.Reconstructionofbinarysignalsusinganadaptiveradial-basisfunctionequalizer[J].SignalProcessing,1991，22(1):77-93.RytterA,KirkegaardPH.Vibrationbasedinspectionusingneuralnetworks[C].InS.W.J.Dulieu-SmithJM,WordenK(ed.),ProceedingsofDAMAS'97.StructuralDamageAssessmentUsingAdvancedSignalProcessingProcedures,Sheffield:SheffieldAcademicPress,1997:97-108.
發(fā)明內(nèi)容技術(shù)問題本發(fā)明的目的是針對現(xiàn)有技術(shù)中的缺陷提供一種基于改進徑向基神經(jīng)網(wǎng)絡(luò)的懸索橋吊索損傷定位方法，解決如何針對懸索橋的吊索損傷，有效地對RBF神經(jīng)網(wǎng)絡(luò)進行改進，從而利用其進行懸索橋的吊索損傷定位，并建立基于改進RBF網(wǎng)絡(luò)的懸索橋吊索損傷定位方法。技術(shù)方案本發(fā)明為實現(xiàn)上述目的，采用如下技術(shù)方案本發(fā)明基于改進徑向基神經(jīng)網(wǎng)絡(luò)的懸索橋吊索損傷定位方法，其特征在于包括如下步驟1.)對懸索橋的W根吊索發(fā)生的"％100%不同程度的損傷，分別按損傷程度n%遞增分級，得到，Xw種損傷工況，其中附為自然數(shù)，"為小于50并且能被100整除的有理數(shù)；2.)將步驟1所述的損傷工況經(jīng)過懸索橋的有限元模型計算得到各種損傷工況的固有頻率；對所述各種損傷工況的固有頻率相應(yīng)于正常工況的頻率數(shù)據(jù)作歸一化處理得到損傷工況的各階歸一化固有頻率；剔除所述各階歸一化固有頻率中對損傷不敏感的頻率，得到吊索的損傷位置與懸索橋各階歸一化固有頻率的對應(yīng)關(guān)系；3.)通過吊索的損傷位置與懸索橋各階固有頻率的對應(yīng)關(guān)系形成訓(xùn)練數(shù)據(jù)集，并在其中預(yù)留一組校驗數(shù)據(jù)，把訓(xùn)練數(shù)據(jù)集送入改進的RBF網(wǎng)絡(luò)進行學(xué)習(xí)；所述RBF網(wǎng)絡(luò)采用《準則與Jackknife校驗進行改進，具體包括如下步驟a.)引入i+2準則在RBF網(wǎng)絡(luò)中將循環(huán)控制條件設(shè)定為《不再增大，《按照下式計算|>,1)2/(7V—p—1)《=1-^——I-，J,)2/(7V-1)其中，少,為RBF網(wǎng)絡(luò)第/個輸出，《為步驟3所述的訓(xùn)練數(shù)據(jù)集的第/個目標輸出，;為《的均值，iV為數(shù)據(jù)樣本數(shù)，戶為徑向基單元個數(shù)；b.)Jackknife校驗用預(yù)留校驗數(shù)據(jù)按照Jackknife校驗的判定準則進行Jackknife校驗，判定準則如下式中，。。為Jackknife校驗閾值；G為Jackknife校驗系數(shù)，Cj:^^，其中i2^iv淑和fv^分別是當前網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)和預(yù)留校驗數(shù)據(jù)的f參數(shù)，f按照下式計算<formula>formulaseeoriginaldocumentpage7</formula>其中，X為第/個輸出，J,為第Z'個目標輸出，；為《的均值，iV為數(shù)據(jù)樣本數(shù)；c.)采用步驟3所述的預(yù)留的一組校驗數(shù)據(jù)按照Jackknife校驗的判定準則進行Jackknife校驗，當校驗通過則結(jié)束對RBF網(wǎng)絡(luò)的改進；若校驗不通過則去除新加入的徑向基單元，重復(fù)步驟6;4.)當?shù)跛靼l(fā)生損傷時，將發(fā)生損傷的吊索的各階歸一化固有頻率輸入到步驟3所述的經(jīng)過學(xué)習(xí)的RBF網(wǎng)絡(luò)得到損傷定位信息。有益效果針對傳統(tǒng)RBF網(wǎng)絡(luò)學(xué)習(xí)算法存在的本質(zhì)缺陷，本發(fā)明提出了綜合采用i^準則與Jackknife校驗對RBF網(wǎng)絡(luò)加以改進，以避免過擬合現(xiàn)象?？刂啤吨笜耍瑢⒃谠黾泳W(wǎng)絡(luò)單元所提高的精度與所付出的代價之間作一個平衡，從而在網(wǎng)絡(luò)結(jié)構(gòu)上起到了控制模型復(fù)雜度的作用；采用Jackknife校驗，可以檢驗?zāi)Ｐ偷姆夯芰?，從而在網(wǎng)絡(luò)行為上控制了模型的復(fù)雜度，兩者的有機結(jié)合可以有效地避免過擬合現(xiàn)象。針對懸索橋的吊索損傷，本發(fā)明提出的改進RBF網(wǎng)絡(luò)算法可以有效地進行懸索橋的吊索損傷定位。圖l:第28根吊索發(fā)生損傷后的損傷定位圖；圖2:第45根吊索發(fā)生損傷后的損傷定位圖。具體實施例方式下面結(jié)合附圖對發(fā)明的技術(shù)方案進行詳細說明本發(fā)明基于改進徑向基神經(jīng)網(wǎng)絡(luò)的懸索橋吊索損傷定位方法，其特征在于包括如下步驟1.)對懸索橋的附根吊索發(fā)生的"％100%不同程度的損傷，分別按損傷程度11%遞增分級，得到，Xm種損傷工況，其中m為自然數(shù)，"為小于50并且能被100整除的有理數(shù)；2.)將步驟1所述的損傷工況經(jīng)過懸索橋的有限元模型計算得到各種損傷工況的固有頻率；對所述各種損傷工況的固有頻率相應(yīng)于正常工況的頻率數(shù)據(jù)作歸一化處理得到損傷工況的各階歸一化固有頻率；剔除所述各階歸一化固有頻率中對損傷不敏感的頻率，得到吊索的損傷位置與懸索橋各階歸一化固有頻率的對應(yīng)關(guān)系；3.)通過吊索的損傷位置與懸索橋各階固有頻率的對應(yīng)關(guān)系形成訓(xùn)練數(shù)據(jù)集，并在其中預(yù)留一組校驗數(shù)據(jù)，把訓(xùn)練數(shù)據(jù)集送入改進的RBF網(wǎng)絡(luò)進行學(xué)習(xí)；4.)當?shù)跛靼l(fā)生損傷時，將發(fā)生損傷的吊索的各階歸一化固有頻率輸入到步驟3所述的經(jīng)過學(xué)習(xí)的RBF網(wǎng)絡(luò)得到損傷定位信息。本發(fā)明提出了綜合采用i，準則與Jackknife校驗對RBF網(wǎng)絡(luò)加以改進，以避免過擬合現(xiàn)象，提高懸索橋的吊索損傷定位的準確性。(a)i〗準則的引入。在常規(guī)RBF算法中將其循環(huán)控制條件設(shè)定為;^不再增大，來控制網(wǎng)絡(luò)復(fù)雜度?！栋凑障率接嬎?<formula>formulaseeoriginaldocumentpage8</formula>(b)Jackknife校驗。通過i!準則訓(xùn)練成功的網(wǎng)絡(luò)，用預(yù)留校驗數(shù)據(jù)按照Jackknife校驗的判定準則進行Jackknife校驗，判定準則如下式中，G。為Jackknife校驗閾值；建議在與^準則同時應(yīng)用時，一般情況下，。。值可以取作0.8。C,為Jackknife校驗系數(shù)，c,=4^，其中^她"和^v。,w分別是當前網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)和預(yù)留校驗數(shù)據(jù)的i2參數(shù)，i2按照下式計算w一-^-:-《)2卜l如果校驗通過則認為訓(xùn)練結(jié)束，返回該網(wǎng)絡(luò)結(jié)構(gòu)；若校驗不通過則后退一步，去除新加入的徑向基單元，再次進行Jackknife校驗。(c)當?shù)跛靼l(fā)生損傷時，將其各階歸一化固有頻率輸入到前面訓(xùn)練好的改進RBF神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)便會自動輸出損傷定位信息，網(wǎng)絡(luò)的m個輸出端對應(yīng)于m根吊索，若某個輸出端的損傷定位信息接近于1，便可判定該根吊索發(fā)生損傷。下面以潤揚大橋南汊懸索橋為例，說明如何進行基于改進RBF神經(jīng)網(wǎng)絡(luò)的損傷定位。根據(jù)南汊懸索橋的幾何對稱性，選取半跨單扇的45根吊索作為損傷對象進行損傷分析。針對45根吊索分別發(fā)生不同程度的損傷(5%100%)，可以得到900種損傷工況，將這900種損傷工況歸類為20個工況組，每一損傷工況組都包含45種損傷工況，分別對應(yīng)編號為145的45根吊索分別發(fā)生損傷的情況，各工況組的損傷程度是遞增的。如表1所示。表l損傷工況信息表損傷工況組包含損傷工況數(shù)損傷程度(％)模擬方法一455EC=0.95EC0一4510EC=0.90EC。二4515EC=0.85EC。四4520EC=0.80ECQ五4525EC=0.75EC0六4530EC=0.70EC0七4535EC=0.65EC。八4540EC=0.60EC0九4545EC=0.55EC0十4550EC=0.50EC0十一4555EC=0.45EC十二4560EC=0.40EC<table>tableseeoriginaldocumentpage10</column></row><table>注表中，EC為吊索彈性模量，EC。為吊索初始彈性模量。對上述900種工況，可以分別得到不同的吊索發(fā)生不同程度的損傷時懸索橋的各階固有頻率。根據(jù)損傷對各階頻率的影響大小，剔除對損傷不敏感的部分階頻率(本例為1,4，7，8，9，10,14，15，16,18，19，20,21，24階)，可得到在不同損傷程度下，吊索的損傷位置(即哪根吊索發(fā)生損傷)與懸索橋各階固有頻率的對應(yīng)關(guān)系。實際應(yīng)用中，僅以損傷工況組十(吊索損傷程度50%)的數(shù)據(jù)作為訓(xùn)練集進行訓(xùn)練，送入改進RBF神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)。改進RBF網(wǎng)絡(luò)采用16個輸入端和45個輸出層單元，分別對應(yīng)于16階固有頻率和26根吊索。學(xué)習(xí)訓(xùn)練后，改進RBF神經(jīng)網(wǎng)絡(luò)已經(jīng)記憶了各吊索損傷對歸一化頻率的影響關(guān)系，下面就可以對表一中的各損傷工況組的損傷數(shù)據(jù)進行損傷定位識別。為說明問題，僅以損傷工況組二(共45種損傷工況)為例進行損傷定位分析。45根不同位置的吊索在分別發(fā)生10%損傷后，利用訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)進行損傷定位，網(wǎng)絡(luò)可以輸出定位信息柱狀圖。圖l給出了第28根吊索發(fā)生損傷后的損傷定位圖。圖中的柱形反映了對相應(yīng)吊索的損傷判斷，圖中上面水平實線代表了"危險"的損傷判斷閾值，下面的水平虛線代表了"可能"的損傷判斷閾值，我們根據(jù)圖中的損傷定位信息可以清晰地看到，吊索28是發(fā)生損傷的最可能位置，其他位置發(fā)生損傷的可能性較小。同樣，圖2顯示的是吊索45發(fā)生損傷后的損傷定位信息。權(quán)利要求1、一種基于改進徑向基神經(jīng)網(wǎng)絡(luò)的懸索橋吊索損傷定位方法，其特征在于包括如下步驟1.)對懸索橋的m根吊索發(fā)生的n％～100％不同程度的損傷，分別按損傷程度n％遞增分級，得到id="icf0001"file="A2009101835270002C1.tif"wi="14"he="9"top="51"left="52"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>種損傷工況，其中m為自然數(shù)，n為小于50并且能被100整除的有理數(shù)；2.)將步驟1所述的損傷工況經(jīng)過懸索橋的有限元模型計算得到各種損傷工況的固有頻率；對所述各種損傷工況的固有頻率相應(yīng)于正常工況的頻率數(shù)據(jù)作歸一化處理得到損傷工況的各階歸一化固有頻率；剔除所述各階歸一化固有頻率中對損傷不敏感的頻率，得到吊索的損傷位置與懸索橋各階歸一化固有頻率的對應(yīng)關(guān)系；3.)通過吊索的損傷位置與懸索橋各階固有頻率的對應(yīng)關(guān)系形成訓(xùn)練數(shù)據(jù)集，并在其中預(yù)留一組校驗數(shù)據(jù)，把訓(xùn)練數(shù)據(jù)集送入改進的RBF網(wǎng)絡(luò)進行學(xué)習(xí)；所述RBF網(wǎng)絡(luò)采用R+2準則與Jackknife校驗進行改進，具體包括如下步驟a.)引入R+2準則在RBF網(wǎng)絡(luò)中將循環(huán)控制條件設(shè)定為R+2不再增大，R+2按照下式計算<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msubsup><mi>R</mi><mo>+</mo><mn>2</mn></msubsup><mo>=</mo><mn>1</mn><mo>-</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>(</mo><msub><mi>d</mi><mi>i</mi></msub><mo>-</mo><msub><mi>y</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>/</mo><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mi>p</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>(</mo><msub><mi>d</mi><mi>i</mi></msub><mo>-</mo><msub><mover><mi>d</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>/</mo><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></mfrac><mo>,</mo></mrow>]]></math></maths>其中，yi為RBF網(wǎng)絡(luò)第i個輸出，di為步驟3所述的訓(xùn)練數(shù)據(jù)集的第i個目標輸出，di為di的均值，N為數(shù)據(jù)樣本數(shù)，p為徑向基單元個數(shù)；b.)Jackknife校驗用預(yù)留校驗數(shù)據(jù)按照Jackknife校驗的判定準則進行Jackknife校驗，判定準則如下CJ≥CJ0，式中，CJ0為Jackknife校驗閾值；CJ為Jackknife校驗系數(shù)，<mathsid="math0002"num="0002"><math><![CDATA[<mrow><msub><mi>C</mi><mi>J</mi></msub><mo>=</mo><mfrac><msub><msup><mi>R</mi><mn>2</mn></msup><mi>train</mi></msub><msub><msup><mi>R</mi><mn>2</mn></msup><mi>valid</mi></msub></mfrac><mo>,</mo></mrow>]]></math>id="icf0003"file="A2009101835270002C3.tif"wi="22"he="9"top="240"left="141"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>其中R2train和R2valid分別是當前網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)和預(yù)留校驗數(shù)據(jù)的R2參數(shù)，R2按照下式計算<mathsid="math0003"num="0003"><math><![CDATA[<mrow><msup><mi>R</mi><mn>2</mn></msup><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>(</mo><msub><mi>d</mi><mi>i</mi></msub><mo>-</mo><msub><mover><mi>d</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>(</mo><msub><mi>d</mi><mi>i</mi></msub><mo>-</mo><msub><mi>y</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>(</mo><msub><mi>d</mi><mi>i</mi></msub><mo>-</mo><msub><mover><mi>d</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></mrow></mfrac><mo>,</mo></mrow>]]></math></maths>其中，yi為第i個輸出，di為第i個目標輸出，di為di的均值，N為數(shù)據(jù)樣本數(shù)；c.)采用步驟3所述的預(yù)留的一組校驗數(shù)據(jù)按照Jackknife校驗的判定準則進行Jackknife校驗，當校驗通過則結(jié)束對RBF網(wǎng)絡(luò)的改進；若校驗不通過則去除新加入的徑向基單元，重復(fù)步驟6；4.)當?shù)跛靼l(fā)生損傷時，將發(fā)生損傷的吊索的各階歸一化固有頻率輸入到步驟3所述的經(jīng)過學(xué)習(xí)的RBF網(wǎng)絡(luò)得到損傷定位信息。全文摘要本發(fā)明公布了一種基于改進徑向基神經(jīng)網(wǎng)絡(luò)的懸索橋吊索損傷定位方法，本發(fā)明所述方法包括對懸索橋的吊索損傷程度分級、確定吊索的損傷位置與懸索橋各階歸一化固有頻率的對應(yīng)關(guān)系、RBF網(wǎng)絡(luò)學(xué)習(xí)算法的改進和基于改進RBF網(wǎng)絡(luò)的損傷定位。本發(fā)明通過改進RBF網(wǎng)絡(luò)可有效地避免損傷定位的過擬合現(xiàn)象，使懸索橋的吊索損傷定位結(jié)果更為準確和可靠，利于工程應(yīng)用。文檔編號G06N3/00GK101655927SQ20091018352公開日2010年2月24日申請日期2009年9月14日優(yōu)先權(quán)日2009年9月14日發(fā)明者杰楊申請人:南京航空航天大學(xué)