基于BP神经网络的结构损伤检测

高新技术　Ｃｈｉｎａ　Ｎｅｗ　Ｔｅｃｈｎｏ———　Ｌ　＿ｌｏｇｉｅｓ　ａｎｄ　ＰｒｏｄｕｃＪｌＪｔ０ｓ　基于ＢＰ神经网络的结构损伤检测　杨晓明　焦阳　郭余锁　（内蒙古工业大学土木工程学院，内蒙古呼和浩特０１００５１）　摘　要：介绍了ＢＰ神经网络的学习算法，通过对一个钢筋混凝土简支梁模型进行了损伤数值模拟，提取固有频率作为ＢＰ神经网络的输入　参数，并应用简支梁损伤前后的数据输入训练好的神经网络来判断结构损伤。检测表明，该方法在结构损伤检测中具有较好的应用前景。　关键词：损伤ｉｙ，￣ｉＩ】；固有频率；ＢＰ神经网络；简支梁　引青　人丁神经网络（ＡＮ　是对人脑或自然神经　系统若干基本特征的抽象与模拟，由大量神经　元广泛互连而成。人１　神经网络以其处理信息　的并行性、ｆ｜＝】组织、自学习性、联想记忆功能以　及很强的鲁棒性和容错性，广泛应用于许多领　域。应用ＡＮＮ的结构损伤诊断方法不需要结构　动力特性的；ｌ己验知识，具有损伤诊断非参数的　优点。在人工神经网络实际应用中，８０％～９０％的　人Ｔ神经网络模型是采用ＢＰ网络或它的变化　形式，它是前向网路的核心部分，体现了人工神　经网络最精华的部分。ＢＰ神经网络按拓扑结构　分，属前向网络，但它采用的是反向传播的学习　方法，因此又称为反向传播神经网络。本文运用　ＢＰ神经网络对结构进行损伤检测，并通过钢筋　混凝土简支梁的算例来分析其对于损伤结构检　测的可行性。　Ｉ驿车敦据卜＿　－Ｎ敦据处理｝一　奏且　Ｉ样奉攫伤执意ｉ・　图１基于神经网络的损伤识别流程　ｌ结构损伤识别的圉内外现状　利用神经网络进行损伤识别是近年来结构　￡＝　（　。）　＝　（　）　损伤检测领域一个非常热的研究课题。对于遭　受破坏的结构，其本身的某些杼『生往往发生变　式中：ｄ：¨　，ｄ　，．．．，ｄ　．　为期望输出向量；．　化。为了鉴定这些变化对结构的影响，常进行一　０＝（０ｌ＇（Ｊ　，．．＿１ｌ】　¨０ｌ『ｒ为输出层输出向量为输出层　神经元的个数。　表１　ＢＰ神经网络损伤程度训练情况　网络输出误差是各　损伤　损伤　神经网络的归一Ｉ￡辅八　损伤程度Ｑ　层权值的函数，可通过调　位置　深度　理想　实际　绝对　相对　整权值来改变误差Ｅ调　（ｍｍ）　ｆｎｌｎｌ、　＿Ｊ，　１　２　３　ｄ　输出　输出　误差　误差　整的原则是使误差不断　ｌ８［ｘ］　３０　０　９６８４　０　９８７５　ｄ９６３４　ｌ∞ＯＯ　０　９４４７　ｌＯ％　ｌ０　６７％　０　６７％　６　７ｌ％　ｌ８０。　６０　０８７９０　０　９２。ｌ　ｎ８９２ｌ　０　９９２８　０　８０　２‰　１６９９％　一３　０１％　ｌ　５　０５％　地减小，因此应使权值的　ｌ８００　９０　ｎ７０４５　０　８０４６　７９７６　０｜；８７９　０　５９岛　３　３１　０２％　１　０２％　３　４　调整与误差的负梯度成　ｌ８００　ｌ２Ｏ　０　４７９１　０　６｛嚣６　０７６７８　０　９７９４　０　３１　３，８　４∞　４１　９０％　１　９０％　４　７５ｎｂ　隐层到输出层之间的权值和输人层到隐层之间　的权值；负号表示梯度下降；常数Ｔ１　（ｏ，１）表示　比例系数，在训练中反映了学习速率。这种算法　称之为梯度下降算法。　３基于ＢＰ神经网络在损伤检测中的应用　实例　为确定ＢＰ神经网络进行结构损伤检测的　能力，本文利用一个钢筋混凝土简支梁进行数　值模拟分析（梁长度为３ｍ，横截面为２００ｍｎ￣　３００ｍｍ的矩形）。分析过程中，用损伤后的归一　化固有频率作为ＢＰ神经网络的输入对结构进　行损伤程度的评估。　通过对某一位置施加不同程度的裂缝来模　拟其损伤程度，本文选择在梁１８００ｍｍ处，施加　深度为３０ｒａｍ、６０ｍｍ、９０ｒａｍ、１２０ｒａｍ、１５０ｒａｍ，宽　为２ｍｍ的裂缝作为ＢＰ神经网络的训练样本。　行了深入的研究，并用数值模拟技术对青马大　运用编制的Ｍａｔｌａｂ程序实现神经网络的数据　桥桥板的损伤位置进行了成功的识别，同时讨　模拟功能，采用训练样本是为了检验网络的记　论了模型误差及测量误差对用神经网络进行损　忆能力。训练的具体过程可由表１所示。　伤识别的影响。　４结语　２　ＢＰ网络的学习算法　本文将ＢＰ神经网络应用于结构的损伤检　神经网络的学习或训练，其本质是对可变　测，通过上述的分析看出用固有频率作为ＢＰ网　权值的动态调整。不同的网络结构通常采用不　络的输入向量，通过网络训练后的ＢＰ神经网络　同的学习算法，ＢＰ网络采用不断调整误差和权　对钢筋混凝土简支梁的损伤程度进行网络识别　值的梯度下降法。　误差均小于５％满足实际的需要。由此可见，ＢＰ　对于三层网络，当网络输出与期望输出不　神经网络的分析方法在对结构损伤识别研究中　等时存在输出误差Ｅ，其定义如下　有着广阔的发展前景。　系列的模拟实验，测定相关的荷载、位移、应变　及加速度等，从材料性能如强度、刚度和动力特　征（如振动频率和模态振型）方面对结构给出评　估。最早将神经网络用于结构损伤检测的是美　国Ｐｕｒｄｕ大学的Ｖｅｎｋａｔａｓｕｂｒａｍａｎｉａｎ和Ｃｈａｎ．　他们于１　９８９年第一次运用ＢＰ网络进行了工程　结构的损伤检测与诊断，并与专家系统进行了　比较，研究发现ＢＰ网络正确识别损伤的效果非　常理想，正确率达９４％～９８％。１９９４年Ｅｌｋｏｒｄｙ　等人提ｆｆＪ了一个基于ＢＰ网络的结构损伤检测　系统，该系统采用来自振动台实验和有限元分　析得到的应变模态作为振动信号，研究发现神　经网络可以用来诊断比较复杂的损伤模式，对　于处理具有噪声和不完整的数据，效果较好。在　国内学者中，王柏生等较早进行用神经网络进　行损伤识别的研究，对神经网络的输人参数进　参考文献　｛１】魏海坤．神经网络结构设计的理论与方法『Ｍ１．　国防工业出版社，２００５．　ｆ２］闻新，周露，力等，ＭＡＴＬＡＢ神经网络应　用设计Ｎ１．科学出版社，２０００．　【３】吴金志，张毅刚．基于ＢＰ神经网络的网格结　构损伤识别与试验研究［Ｊ１．世界地震工程，２００５．　『４ｌ韩大建，王文东．基于振动的结构损伤识别方　法的近期研究进展ｌ　Ｊ１．华南理工大学学报．　２００３，３１（１）：９１－９６．　【５１韩力群人工神经网络理论、设计及应用［Ｍ１．北　京：化学工业出版社，２００２．　作者简介：杨晓明（１９７７一），女，副教授，内　ｌ８∞　ｌ　５Ｏ　０ｌ３蹬　Ｏ　５¨９　４８９２　０９４Ｉ９　０　００００　５∞ｂ　４８ｌＯ％　．１　９０‰　３　８０％　正比　即　表２　ＢＰ神经网络损伤程度仿真结果　损伤　捐伤　位置　深度　ｎ１Ⅱ曲　，Ｊｚ口ｎｉ　Ｌ　Ⅲ１　１８００　１８（３０　１８（ｘ】　３８　７０　１２Ｏ　裤经网络的归一化输入　＂　２　ＬＵｒｅ３　。‘　ｒＨ４　损伤程度Ｑ　理想　实际　绝对　ｍ５　输出　输出　误差　相对　误差　１０　９２％　０　９３２７　０　９２９０　０９３２ｌ　ｌ　００００　０　ｏ３９６　１３％　Ｉ１　％　．１　４４‰　ｌ１　０７％　０　８４５８　０　９００７　ｎ８６１６　０　０８３９　０　６７８７　２４％　２６　６１％　２　６２０　０４７９ｌ　０　６８８６　Ｏ７６７ｇ　０　９７９１　０１９∞　４０％　４３　８５％　３　８５０　ｏ　９　６　蒙古工业大学土木工程学院。　焦阳（１９８２一），男，内蒙古工业大学土木工　程学院硕士研究生　郭余锁（１９８５一），男，内蒙古工业大学土木　工程学院硕士研究生。　作者简介：米力（１９７９一），男，内蒙古工业大　学２００７级结构工程专业硕士研究生。　王玉清（１９７２一），女，内蒙古工业大学土木　工程学院教师，副教授，硕士研究生导师，一级　注册结构工程师　５Ｊ卢亦炎，周婷．碳纤维布与钢板复合加固梁剥　ｌ　２ｌ王文炜，赵国藩并维复合物加固钢筋混凝土　ｌ梁抗弯承载力及参数分析　工业建筑，２００３，３３　离破坏研究１．ＩＩ＿应用力学学报，２００６，２３（２）：２８６　：ｌ６～２０　ｌ６滕锦光，陈建飞，６ＩＳ卫史密斯等．ＦＲＰ加固混凝　北京：中国建筑工业出版社，２ｏ０５，２１４～　Ｉ３１姜四友，徐建波．关于影响碳纤维加固效果的　土结构．２２５　几个因素分析ｌ　ＪＩ．四川建筑，２００３，２３（３）：４３－４９　　ｌ４ｌ杨勇新，胡云昌，岳清瑞，陈小兵．碳纤维布加　『７ｌ易小红并维片材加固铜筋混凝土梁的剥离承　固混凝土受弯构件的剥离破坏及其防治ｌ　Ｊ１．工业　载力研究　１．湖南大学硕士学位论文．２００７．１８～　建筑，２００１，３１（６）；１５～ｌ６　１９　张鑫鑫（１９８９一）男，内蒙古工业大学２００８　级结构工程专业硕士研究生。　中国新技术新产品　一２７一