基于遗传算法和模糊神经网络的结构健康监测研究.pdf

南京航空航天大学

硕士学位论文

基于遗传算法和模糊神经网络的结构健康监测研究

姓名：李正强

申请学位级别：硕士

专业：仪器科学与技术（智能监测与控制）

指导教师：郑世杰

20070301
南京航空航天大学硕士学位论文

摘要

本文较全面的评述了基于智能算法的结构健康监测方法，详细介绍了神
经网络在结构健康监测中的应用模型，指出了单独使用神经网络技术存在的
缺点。在前人工作的基础上，引入遗传算法和模糊理论作为优化工具，将遗
传算法、模糊理论和神经网络技术相互结合，构建了新型神经网络的训练算
法并用于结构健康监测研究。改进了RBF(RadialBaseFunction，简称RBF)
神经网络的训练算法，即用混合递阶遗传算法对其训练，该算法将递阶遗传
算法和最小二乘法的优点结合在一起，能够同时确定RBF网络的结构和参
数，并编制了基于混合递阶遗传算法的RBF神经网络程序；同时将遗传算法
引入到模糊RBF神经网络模型中，对数据的模糊聚类处理部分进行优化，并
编制了遗传模糊RBF神经网络的程序；制备了纤维增强复合材料试件，并进
行了模态分析实验；针对基于实验数据训练神经网络存在样本不足的缺陷，
本文提出了利用有限元方法对含有脱层损伤的复合材料试验件进行数值模
拟，以该结构的前六阶弯曲模态频率经过相应的处理后分别构建遗传RBF神
经网络和遗传模糊RBF神经网络的训练样本的思路；将实验模态分析的结果
分别送入训练好的遗传RBF神经网络和遗传模糊RBF神经网络进行预测，实
现了对复合材料梁的脱层损伤的定位和损伤程度的评估，上述两种网络的识
别结果表明遗传模糊RBF神经网络结构的具有更好的泛化能力和更好的鲁
棒性。

关键词：复合材料结构，结构健康监测，遗传算法，模糊理论，RBF神经

网络，模糊神经网络，模态分析，有限元法。

i
基于遗传算法和模糊神经网络的结构健康监测研究

Abstract

Firstly,acomprehensivediscussionabouttheintelligencealgorithmfor
structurehealthmonitoring,andthemodelsofneuralnetworkwerealso
presentedinthispaper,whiletheshortcomingofvariousneuralnetworkswere
pointedout.Onthebasisofthestate-of-the-artinvestigation,thegenetic
algorithms,fuzzysetstheoryandneuralnetworktechnologywerecombined
together,andthennewtrainingalgorithmsforneuralnetworkwereconstructed
forstructuralhealthmonitoring.Secondly,aimprovedtrainingalgorithmof
RadialBaseFunction(shortedforRBF)neuralnetworkwaspresentedanda
programofRBFneuralnetworkbaseonhybridhierarchygeneticalgorithmwas
finished.Thehybridhierarchygeneticalgorithm,whichwasintroducedby
combininghierarchygeneticalgorithmandleast-squaremethod,wasableto
determinethestructureandparametersoftheRBFneuralnetwork;Thirdly,
geneticalgorithmswasintroducedintothealgorithmoffuzzyneuralnetworkto
optimizethepartofFuzzyclusteringalgorithm,andtherelevantprogramwere
finished.Furthermore,fiberreinforcedcompositebeamswerefabricated,and
thecompositebeams'modalfrequenciesweremeasuredbyanexperiment
method.moreover,anovelmethodcombiningcomputationalmechanicsand
neuralnetworkwasdemonstratedforcompositehealthmonitoring;T