[发明专利]一种基于BP神经网络的地下结构损伤识别方法

权利要求书

1.一种基于BP神经网络的地下结构损伤识别方法，其特征在于，通过曲率变化率对结构的损伤进行预测，具体步骤包括：

步骤一、建立BP神经网络模型，包括三层网络结构输入层、隐含层和输出层，设定：

x_j表示输入层第j个节点的输入，j＝1,2,…，M；w_ij表示隐含层第i个节点到输入层第j个节点之间的权值；θ_j表示隐含层第i个节点的阈值；φ(x)表示隐含层的激励函数；w_kj表示输出层第k个节点到隐含层第j个节点之间的权值，j＝1,2,…,q；a_j表示输出层第j个节点的阈值，j＝1,2,…,q；表示输出层的激励函数；O_j表示输出层第j个节点的输出，j＝1,2,…,q；

基于上述BP神经网络模型所进行的BP算法包括信号的前向传播和误差的反向传播，计算实际输出时按从输入到输出的方向进行，而权值和阈值的修正从输出到输入的方向进行；

步骤二、选用曲率变化率作为BP神经网络模型的输入量，以损伤位置和损伤程度作为输出量，来识别损伤的位置和程度，其中，曲率变化率的定义为：假设结构无损伤时节点k的第i阶曲率值为δ_i,k，损伤后i阶振型下曲率值为则其曲率改变量定义其曲率的相对改变率为前i阶的曲率的改变率之和ϵ=Σ0i|Δδi,k/δi,k|;]]>

步骤三、对BP神经网络模型进行网络训练，不断修正权值和阈值，通过调整使BP神经网络模型的输入误差达到设定的阈值，迭代直到网络收敛；

步骤四、将测试样本集输入到训练好的BP神经网络模型中，根据BP神经网络模型中曲率变化率来确定地下结构的损伤位置和损伤程度。

2.如权利要求1所述的一种基于BP神经网络的地下结构损伤识别方法，其特征在于：步骤三中，所述输入误差为0.0015。

3.如权利要求1或2所述的一种基于BP神经网络的地下结构损伤识别方法，其特征在于：步骤一中，所述BP神经网络模型的输入层神经元数目为4个，隐含层神经元数目为6个，输出层神经元数目为4个。

4.如权利要求3所述的一种基于BP神经网络的地下结构损伤识别方法，其特征在于：所述隐含层神经元的传递函数采用S型正切函数tansig，输出层神经元传递函数采用S型对数函数logsig。

5.如权利要求1所述的一种基于BP神经网络的地下结构损伤识别方法，其特征在于：步骤三中，所述网络训练的训练样本为，待测点在一部分损伤程度下的曲率变化率数据。

6.如权利要求5所述的一种基于BP神经网络的地下结构损伤识别方法，其特征在于：步骤四中，所述测试样本集为训练样本，加上待测点在另一部分损伤程度时的曲率变化率。