[发明专利]基于改进径向基神经网络的悬索桥吊索损伤定位方法

说明书

技术领域

发明涉及一种应用于结构损伤定位的方法，尤其是一种应用于悬索桥的吊索损伤定位的 方法。

背景技术

RBF(Radial Basis Function，径向基)网络最早由Broomhead^[1]提出，是一种采用非线性 的径向基函数作为隐层传递函数的，基于局部修正策略的多层前向型神经网络。RBF网络学 习效率高，不会陷于局部极小，其网络拓扑结构也可以自动生成，因而在工程应用中带来了 很大的方便。近年来，较多学者开始将其应用于结构的损伤识别研究^[2-7]。

RBF网络的性能在很大程度上取决于它的学习算法，学习的目的是为了合理确定RBF网 络的三个重要参数：RBF函数的中心、响应半径或宽度、权值。Chen^[8-9]提出的基于正交最小 二乘(Orthogonal Least Squares，OLS)的学习算法是目前被普遍采用的学习算法，该方法依 据各输入向量对误差贡献的大小来选择径向基函数的中心，同时利用Gram-Schmidt法则快速 求得权值的最小二乘解。

然而，在国内外的结构损伤识别研究中，往往是把RBF网络当作一个黑箱工具来使用， 对于RBF网络的工作机理研究不够深入，尤其是RBF网络的拓扑结构的自动生成掩盖了由于 不合理训练所导致的网络过拟合现象，对于这一问题目前未能引起足够的重视。过拟合现象 会严重影响网络的泛化能力，使得网络的工作性能急剧下降。如Rytter的研究中发现采用RBF 网络的损伤辨识结果错误很多，效果明显不如BP网络^[10]，通过对Rytter所研究的问题进行 分析计算，可发现其RBF网络出现了过拟合现象，从而导致辨识效果较差。在悬索桥等复杂 结构的损伤定位中，这一问题显得尤为重要。

参考文献：

[1]Broomhead DS，Lowe D.Multivariable functional interpolation and adaptive networks[J]. Complex Systems，1988，2：321-355.

[2]饶文碧，吴代华.RBF神经网络及其在结构损伤识别中的应用研究[J].固体力学学报， 2002，23(04)：477-482.

[3]刘效尧.斜拉桥损伤识别的径向基函数(RBF)神经网络设计[J].工程设计Cad与智能建 筑，2000，(07)：35-37.

[4]张刚刚，王春生，徐岳.基于径向基函数神经网络的斜拉桥损伤识别[J].长安大学学报 (自然科学版)，2006，26(1)：49-53.

[5]Yuan X.D.，Fan H.B.，Gao C.，Gao S.X.A numerical simulation study of structural damage based on RBF neural network[J].Neural Information Processing，Pt 3，Proceedings，2006，4234： 322-330.

[6]Li H.J.，He C.J.，Ji J.L.，Wang H.，Hao C.Z.Crack damage detection in beam-like structures using RBF neural networks with experimental validation[J].International Journal of Innovative Computing Information and Control，2005，l(4)：625-634.

[7]Yang Y.，Cheng J.S.，Ding G.，Tian D.Study on the structural damage identification method with combined parameters based on RBF neural network[C].Proceedings of 2003 International Conference on Machine Learning and Cybernetics，2003，3216-3218.