本文選題：Elman神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：蟻群算法　出處：《東北大學(xué)》2014年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：橋梁結(jié)構(gòu)是現(xiàn)代交通運(yùn)輸系統(tǒng)的重要節(jié)點(diǎn)工程,為了保證橋梁的安全運(yùn)行,目前許多大型橋梁都安裝有健康監(jiān)測(cè)系統(tǒng),但如何從大量的監(jiān)測(cè)數(shù)據(jù)中獲取有用信息,并針對(duì)現(xiàn)場(chǎng)采集的信息判斷橋梁的損傷狀況是目前工程界的研究熱點(diǎn)之一。為此本文提出使用Elman神經(jīng)網(wǎng)絡(luò)對(duì)橋梁的關(guān)鍵節(jié)點(diǎn)進(jìn)行了損傷判別的方法,并將該方法應(yīng)用到石河大橋?qū)嶋H工程中,本文的主要研究?jī)?nèi)容如下：(1)選取損傷因子和損傷位置,利用石河大橋梁的有限元模型模擬橋梁未損傷和不同程度損傷狀況下?lián)p傷狀況,獲取損傷數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入,本文提出使用Elman神經(jīng)網(wǎng)絡(luò)作為損傷識(shí)別的模型并采用BP神經(jīng)網(wǎng)絡(luò)作為參照對(duì)比。(2)為了改善Elman神經(jīng)網(wǎng)絡(luò)的損傷識(shí)別效果,避免神經(jīng)網(wǎng)絡(luò)由于初始權(quán)值的隨機(jī)性使得結(jié)果陷入局部最優(yōu)而出現(xiàn)損傷率不高的問(wèn)題,提出了使用蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)。(3)在監(jiān)測(cè)數(shù)據(jù)處理方面,對(duì)七個(gè)測(cè)點(diǎn)原始監(jiān)測(cè)數(shù)據(jù)樣本進(jìn)行了數(shù)據(jù)分析前處理,本文對(duì)石河大橋監(jiān)測(cè)應(yīng)變和溫度數(shù)據(jù)進(jìn)行了時(shí)間序列分析,實(shí)驗(yàn)發(fā)現(xiàn)溫度與應(yīng)變都有周期變化趨勢(shì),并對(duì)石河大橋的應(yīng)變數(shù)據(jù)采用多種距離指標(biāo)進(jìn)行了聚類(lèi)分析最終獲得兩種聚類(lèi)。本文將Elman神經(jīng)網(wǎng)絡(luò)應(yīng)用于橋梁結(jié)構(gòu)損傷識(shí)別,因Elman神經(jīng)網(wǎng)絡(luò)特殊的結(jié)構(gòu)特點(diǎn)使其有較好的穩(wěn)定性,通過(guò)仿真實(shí)驗(yàn)得出這種方法是可行的,經(jīng)過(guò)蟻群算法優(yōu)化后的神經(jīng)網(wǎng)絡(luò)識(shí)別率得到提高。將該模型與石河大橋的監(jiān)測(cè)數(shù)據(jù)相結(jié)合,識(shí)別結(jié)果未發(fā)現(xiàn)石河大橋存在損傷,且橋梁健康監(jiān)測(cè)系統(tǒng)采集回的數(shù)據(jù)是正常的且橋梁結(jié)構(gòu)無(wú)異常。
[Abstract]:Bridge structure is an important node engineering of modern transportation system. In order to ensure the safe operation of bridge, many large bridges are equipped with health monitoring system, but how to obtain useful information from a large number of monitoring data. It is one of the research hotspots in the engineering field to judge the damage condition of the bridge based on the information collected in the field. In this paper, a method to judge the damage of the key nodes of the bridge by using the Elman neural network is put forward. This method is applied to the actual project of Shihe Bridge. The main research contents of this paper are as follows: (1) selecting the damage factors and location, and using the finite element model of Shihe Bridge to simulate the damage condition of the bridge under the condition of undamaged and different degree of damage. In order to improve the damage identification effect of Elman neural network, we propose to use Elman neural network as the model of damage identification and BP neural network as reference. In order to avoid the problem of low damage rate due to the randomness of the initial weights, the paper proposes that the ant colony algorithm is used to optimize the neural network in the aspect of monitoring data processing. In this paper, the data of the monitoring strain and temperature of Shihe Bridge are analyzed in time series. It is found that both temperature and temperature have a tendency to change periodically. The strain data of Shihe Bridge are analyzed by a variety of distance indexes, and finally two kinds of clustering are obtained. In this paper, the Elman neural network is applied to the damage identification of the bridge structure. Because of the special structure characteristics of Elman neural network, it has good stability. The simulation results show that this method is feasible. The recognition rate of neural network optimized by ant colony algorithm is improved. Combining the model with the monitoring data of Shihe Bridge, no damage is found in Shihe Bridge. The data collected by the bridge health monitoring system are normal and the bridge structure is not abnormal.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：U446;TP274

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林相波,邱天爽;固定結(jié)構(gòu)單元權(quán)值對(duì)基本Elman網(wǎng)絡(luò)性能影響[J];大連理工大學(xué)學(xué)報(bào);2004年05期

2 湯井田;曹揚(yáng);肖嘉瑩;郭曲練;;Predication of plasma concentration of remifentanil based on Elman neural network[J];Journal of Central South University;2013年11期

3 任雪梅,陳杰,龔至豪,竇麗華;改進(jìn)Elman網(wǎng)絡(luò)的逼近性質(zhì)研究(英文)[J];Journal of Beijing Institute of Technology(English Edition);2002年01期

4 王攀,蘇智,馮珊;局部回歸Elman網(wǎng)絡(luò)學(xué)習(xí)算法的注記[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2002年02期

5 田燕;康海英;唐力偉;鄭海起;;一種改進(jìn)的Elman網(wǎng)絡(luò)及其在載荷識(shí)別中的應(yīng)用[J];機(jī)械強(qiáng)度;2006年S1期

6 金宇華;羅沛蘭;扶名福;楊國(guó)泰;;Elman網(wǎng)絡(luò)和綜合關(guān)聯(lián)度在風(fēng)機(jī)診斷中的應(yīng)用[J];微計(jì)算機(jī)信息;2008年10期

7 蘇剛;王玲玲;徐永生;;基于改進(jìn)Elman網(wǎng)絡(luò)的燃?xì)庳?fù)荷預(yù)測(cè)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年S1期

8 弓學(xué)敏;胡靜;;基于模擬退火算法的Elman網(wǎng)絡(luò)及其應(yīng)用[J];電力科學(xué)與工程;2008年08期

9 李翔,陳增強(qiáng),袁著祉,賀江峰;基于擴(kuò)展Elman網(wǎng)絡(luò)的非線(xiàn)性自校正控制器[J];自動(dòng)化儀表;1999年12期

10 張倩;;基于Elman網(wǎng)絡(luò)非線(xiàn)性散射參數(shù)測(cè)量與建模[J];現(xiàn)代電子技術(shù);2011年03期

相關(guān)會(huì)議論文 前10條

1 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2005年

2 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九屆中國(guó)控制會(huì)議論文集（一）[C];2000年

3 蘇剛;王玲玲;徐永生;;基于改進(jìn)Elman網(wǎng)絡(luò)的燃?xì)庳?fù)荷預(yù)測(cè)[A];第十七屆全國(guó)過(guò)路控制會(huì)議論文集[C];2006年

4 趙建玉;高慧;賈磊;;基于Elman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

5 郭式偉;呂建;張秀蘭;;基于改進(jìn)Elman網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測(cè)[A];全國(guó)暖通空調(diào)制冷2008年學(xué)術(shù)年會(huì)資料集[C];2008年

6 符利勇;何錚;唐守正;劉應(yīng)安;;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的林隙大小預(yù)測(cè)模型[A];第九屆中國(guó)林業(yè)青年學(xué)術(shù)年會(huì)論文摘要集[C];2010年

7 WenJie Wu;DaGui HUANG;Zheng DONG;;Fault Diagnosis of the Aeroengine Based on Neural Network and D-S Evidence Theory[A];Proceedings of 2011 International Conference on Computer Science and Information Technology(ICCSIT 2011)[C];2011年

8 孟令啟;張洛明;韓麗麗;馬金亮;黃其柏;;基于MATLAB的Elman神經(jīng)網(wǎng)絡(luò)在中厚板軋機(jī)寬展預(yù)測(cè)中的應(yīng)用[A];第二屆中國(guó)CAE工程分析技術(shù)年會(huì)論文集[C];2006年

9 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

10 邰新軍;陸建榮;;基于Elman神經(jīng)網(wǎng)絡(luò)的炮兵戰(zhàn)場(chǎng)目標(biāo)價(jià)值分析[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 時(shí)小虎;Elman神經(jīng)網(wǎng)絡(luò)與進(jìn)化算法的若干理論研究及應(yīng)用[D];吉林大學(xué);2006年

2 王麗敏;計(jì)算智能改進(jìn)方法及其在金融與環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 林鵬;冷軋APC系統(tǒng)智能控制器設(shè)計(jì)與實(shí)驗(yàn)研究[D];燕山大學(xué);2015年

2 曹芙;基于Elman神經(jīng)網(wǎng)絡(luò)及優(yōu)化算法的混合模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

3 劉超;429例直腸惡性腫瘤基于SVM和Elman的單病種醫(yī)療費(fèi)用預(yù)測(cè)模型研究與應(yīng)用[D];昆明醫(yī)科大學(xué);2015年

4 許菲菲;基于Elman網(wǎng)絡(luò)溫度預(yù)測(cè)模型的差壓氣密性檢測(cè)方法研究[D];中國(guó)計(jì)量學(xué)院;2015年

5 宋菁華;高爐冶煉過(guò)程的多尺度特性與硅含量預(yù)測(cè)方法研究[D];浙江大學(xué);2016年

6 王柳;基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)[D];天津工業(yè)大學(xué);2016年

7 周展;基于Elman神經(jīng)網(wǎng)絡(luò)控制的風(fēng)電最大功率點(diǎn)追蹤的研究[D];湖南大學(xué);2016年

8 關(guān)福生;基于GIF Elman神經(jīng)網(wǎng)絡(luò)的輸油管道工況辨識(shí)技術(shù)的研究[D];東北大學(xué);2011年

9 黃艷南;基于Elman橋梁損傷識(shí)別與監(jiān)測(cè)數(shù)據(jù)處理研究[D];東北大學(xué);2014年

10 艾靜;基于GA-Elman預(yù)測(cè)模型的網(wǎng)絡(luò)輿情研究[D];華中師范大學(xué);2013年

，

本文編號(hào)：1601057