基于遺傳模糊rbf神經(jīng)網(wǎng)絡的復合材料健康監(jiān)測研究

1、基于遺傳模糊RBF神經(jīng)網(wǎng)絡的復合材料健康監(jiān)測研究,學院：自動化姓名：李正強1013203015 米彥青1013203018,Contents,,引言,結構的健康監(jiān)測技術是要發(fā)展一種最小人工干預的結構健康的在線實時連續(xù)監(jiān)測、檢查與損傷探測的自動化系統(tǒng), 能夠通過局域網(wǎng)絡或遠程中心, 自動地報告結構狀態(tài)。 可以說, 健康監(jiān)測有可能將目前廣泛采用的離線、靜態(tài)、被動的損傷檢測, 轉變?yōu)樵诰€、動態(tài)、實時的

2、監(jiān)測與控制, 這將導致工程結構安全監(jiān)控、減災防災領域的一場革命。,引言,,智能算法簡介,許多科學和工程問題都可以歸結為有約束條件的最優(yōu)化(Optimization)問題，其數(shù)學模型一般形式為,,約束條件為：,,其中的Z也成為目標函數(shù),智能算法簡介,1.人工神經(jīng)網(wǎng)絡,人工神經(jīng)網(wǎng)絡(Artificial Neural Network，簡稱ANN)是一個高科技研究領域，是信息科學、腦科學、神經(jīng)心理學等多學科交叉的熱點,人工神經(jīng)網(wǎng)絡的處理單元間

3、相互連接，所有的連接構成一個有向圖。,智能算法簡介,徑向基神經(jīng)網(wǎng)絡模型及算法,,,RBF神經(jīng)網(wǎng)絡訓練的關鍵是確定網(wǎng)絡隱層節(jié)點的個數(shù)、每個節(jié)點的中心信息及其對應的輸出權值W,智能算法簡介,2 遺傳算法,遺傳算法是一種借鑒生物界自然選擇和進化機制發(fā)展起來的高度并行、隨機、自適應搜索算法。,在遺傳算法中，通過隨機方式產生若干個所求解問題的數(shù)字編碼，即染色體（Chromosome），形成初始群體；通過適應度函數(shù)（Fitness）給每個個體一個數(shù)

4、值評價，淘汰低適應度的個體，選擇高適應度的個體參加遺傳操作，經(jīng)過遺傳操作（選擇（Selection）、交叉（Crossover）和變異（Mutation））后的個體集合形成下一代新的種群。對這個新種群進行下一輪進化。這就是遺傳算法的基本原理。,智能算法簡介,遺傳算法流程框圖,,智能算法簡介,FCM模糊聚類算法,FCM把n個向量xi（i=1,2,…,n）分為c個模糊組，并求每組的聚類中心，使得非相似性指標的價值函數(shù)達到最小。,FCM的價值

5、函數(shù)（或目標函數(shù)）,,這里uij介于0，1間；ci為模糊組i的聚類中心，dij=||ci-xj||為第i個聚類中心與第j個數(shù)據(jù)點間的歐幾里德距離；且,是一個加權指數(shù)。,是一個加權指數(shù)。,智能算法簡介,構造如下新的目標函數(shù)，可求得使上式達到最小值的必要條件,,對所有輸入?yún)⒘壳髮?,,智能算法簡介,步驟1：用值在0，1間的隨機數(shù)初始化隸屬矩陣U，使其滿足相關的約束條件步驟2：用相關公式計算c個聚類中心ci，i=1,…,c。步驟3：計算價

6、值函數(shù)。如果它小于某個確定的閾值，或它相對上次價值函數(shù)值的改變量小于某個閾值，則算法停止。步驟4：用相關公式計算新的U矩陣。返回步驟2。,遺傳模糊RBF神經(jīng)網(wǎng)絡在復合材料健康監(jiān)測中的應用,遺傳模糊RBF神經(jīng)網(wǎng)絡,,,其中輸入、輸出層和普通的RBF網(wǎng)絡結構一致，第一層為輸入層，該層的各個節(jié)點直接參與輸入向量的各分量連接，它起著將輸入值傳送到下一層的作用，節(jié)點個數(shù)等于輸入信息的元素個數(shù)n，第二層為匹配層，每個節(jié)點代表一個語言變量值，它的作

7、用是計算各輸入分量屬于各語言變量模糊集合的隸屬度函數(shù)，該層的節(jié)點個數(shù)是對該節(jié)點輸入信息的模糊分類類別數(shù)S與輸入元素個數(shù)n的乘積，也即n×S個；第三層為推理層，每個節(jié)點表示一條模糊規(guī)則，它的作用是用來匹配模糊規(guī)則的前提條件，該層的節(jié)點個數(shù)為Sn；第四層是歸一化計算層，節(jié)點個數(shù)與推理層節(jié)點個數(shù)相同，它所實現(xiàn)的是歸一化計算；第五層為網(wǎng)絡的輸出層，它所實現(xiàn)的是清晰化計算，該層節(jié)點個數(shù)由實際問題決定。,算法流程圖,,結果,利用復合材料結