[发明专利]基于改进反向传播神经网络的斜拉桥拉索损伤定位方法

权利要求书

1.一种基于改进反向传播神经网络的斜拉桥拉索损伤定位方法，其特征在于该损伤定位方法为：

1.)对斜拉桥的m根拉索发生的5％～100％不同程度的损伤，分别按5％递增共分20个级别，得到20×m种损伤工况，按照损伤程度将之归类为20个工况组，每一个工况组对应于一种损伤程度，其中包含m根拉索分别发生损伤的m种损伤工况；

2.)对各种损伤工况，建立斜拉桥的有限元模型，计算其固有频率，剔除对损伤不敏感的频率，可得到在不同损伤程度下，拉索的损伤位置与斜拉桥各阶固有频率的对应关系；

3.)以某一损伤工况组的拉索损伤数据，即拉索的损伤位置与斜拉桥各阶固有频率的对应关系作为训练集，送入反向传播网络进行学习；

4.)反向传播网络的隐层数和隐层单元由随机爬山法确定，采用随机爬山法确定网络结构的步骤是：对具有初始网络结构的网络进行多次随机训练，得到校验集的平均校验误差；然后改变网络结构，再次进行训练并得到平均校验误差，选择具有最小平均校验误差的网络结构为最优网络结构；

5.)学习率的调整过程按下式进行：

其中，n为当前学习迭代步数，α、β为学习率调整系数，η为学习率，ΔE(n)为在第n步时网络的误差函数；

在网络的权值调整公式中引入一个动量因子θ(0＜θ＜1)来考虑前一步权值修改(即Δw(n-1))对的影响，即在权值调整公式中增加一项：θΔw(n-1)；

6.)令α、β、θ分别取不同的值，然后让网络随机学习m次，其中m≥50，计算出网络的平均训练步数，以网络的平均训练步数最小为原则，可确定网络的最优的控制参数α、β、θ；

7.)采用模拟退火算法避免网络学习陷入局部极小；其基本实现途径是，如果神经元的权值修改使网络的训练误差下降，则接受这次权值修改；如果权值修改使网络的训练误差增大，则以概率p(p＜1)接受这次权值修改，从而使网络在该概率水平下逃逸出局部极小点，概率p，又称作逃逸概率，以指数关系依赖于网络温度T，

p＝e^-ΔE/T

其中，ΔE是网络的训练误差；

8.)当斜拉索发生损伤时，将其各阶固有频率输入到前面训练好的改进反向传播神经网络，网络便会自动输出损伤定位信息，网络的m个输出端对应于m根拉索，若某个输出端的损伤定位信息接近于1，便可判定该根拉索发生损伤。