基于遗传BP算法的神经网络在桩基检测中的应用.doc

分类号TP391密级
UDC学号01041030

长沙理工大学硕士学位论文

基于遗传BP算法的神经网络在
桩基检测中的应用

研究生姓名戎丽霞
培养单位计算机与通信工程学院
指导教师姓名、职称王英健副教授
学科专业计算机应用技术
研究方向智能控制
论文提交日期2004年5月10日

NeuralNetworkBasedGenetic-BPAlgorithm
ApplyingtoStakeBaseDiagnose
by
RONGLixia

Athesissubmittedinpartialsatisfactionofthe
Requirementsforthedegreeof
MasterofEngineering
in
ComputerApplicationTechnology
in
ChangshaUniversityofScience&Technology

Supervisor
ProfessorWangYingjian
May,2004

PAGEII
摘要
故障检测与诊断技术在近几十年得到飞速的发展，神经网络和遗传算法在故障检测与诊断中有着成功的应用，并且两者的结合在故障检测与诊断技术中有着广阔的应用前景。桩基检测属于工程问题，用于桩基完整性检测的方法主要是时域和频域分析法，对结果的分析需要依靠技术人员的工程经验，而且由于桩--土体的复杂性，传统的方法遇到了很大的困难。因此需要尝试新的方法，本文将神经网络与遗传算法相结合来检测桩基完整性，为桩基完整性检测开辟了一个新途径。
本文阐述了桩基检测中遗传BP神经网络的基本设计思想和算法实现过程，在遗传BP神经网络中将遗传算法与BP算法结合来训练神经网络的结构和权值。由于神经网络的结构不同，在遗传算法中采用小生境技术，将群体分为主群体和小群体，主群体中含有不同网络结构的个体，小群体中的个体网络结构是相同的，采用小群体可以防止优秀个体早期退化。文中提出了小生境技术中初始群体的设计思想和算法实现过程。
特征提取是信号识别与分类中的重要一环，对提高系统的准确性、改善系统性能起着关键的作用。特征提取的方法有很多，利用小波包变换对信号进行特征提取是近年来发展起来的一种新的特征表示手段，在许多领域中已获得了成功的应用。对于桩基检测信号，本文用基于最优小波包基的特征提取方法。文中提出了基于熵规则的最优小波包基选择策略，并且给出了对于所有的训练样本的小波包最优基选择的具体实现方法。用此方法提取故障的特征，可以减少输入向量的维数，并且有利于故障类型的识别和分类。
将本文提出的方法应用于实际桩基信号的完整性检测中，对于几种模型桩的桩基故障，本文的方法都能给出正确的识别结果，实验结果表明了该方法的有效性，检测准确率达到了预期的效果。因此本文的故障诊断方法在工程实际中有着广阔的应用前景，对于解决实际问题有着重要的意义。

关键词：
BP神经网络；遗传算法；小生境技术；故障诊断；小波包分析；特征提取；桩基检测

ABSTRACT
Inthepreviousdecade,FDD(FaultDetectionandDiagnosis)hasgreatlydeveloped.ANN(Artificialneuralnetwork)andGA(GeneticAlgorithm)hassuccessfulapplicationsinFDD,andthecombineofANNandGAhaswideforegroundinapplications.Defectofpileisaproblemofengineering,themethodofintegritydefectofpilearetime-fieldandfrequency-fieldanalysis,whichhavetodependontheexperienceofengineersandhasmanydifficultiesindefectofpile.Sointhispaper,anewmethodthatthecombineofANNandGAisappliedtodefectofpile.
Inthispaper,theprocessingofneuralnetworkbasedGenetic-BPalgorithmindefectofpileisintroduced,anditbeusedtosearchthestructureandweightofthenetwork.Ingeneticalgorithm,nichetechnologyisappliedbecausethestructureofnetworkisdifference,whichcanavoidtheearlydege