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

1、基于遺傳模糊RBF神經(jīng)網(wǎng)絡(luò)的復(fù)合材料健康監(jiān)測研究,學(xué)院：自動(dòng)化姓名：李正強(qiáng)1013203015 米彥青1013203018,Contents,,引言,結(jié)構(gòu)的健康監(jiān)測技術(shù)是要發(fā)展一種最小人工干預(yù)的結(jié)構(gòu)健康的在線實(shí)時(shí)連續(xù)監(jiān)測、檢查與損傷探測的自動(dòng)化系統(tǒng), 能夠通過局域網(wǎng)絡(luò)或遠(yuǎn)程中心, 自動(dòng)地報(bào)告結(jié)構(gòu)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(dòng)的損傷檢測, 轉(zhuǎn)變?yōu)樵诰€、動(dòng)態(tài)、實(shí)時(shí)的

2、監(jiān)測與控制, 這將導(dǎo)致工程結(jié)構(gòu)安全監(jiān)控、減災(zāi)防災(zāi)領(lǐng)域的一場革命。,引言,,智能算法簡介,許多科學(xué)和工程問題都可以歸結(jié)為有約束條件的最優(yōu)化(Optimization)問題，其數(shù)學(xué)模型一般形式為,,約束條件為：,,其中的Z也成為目標(biāo)函數(shù),智能算法簡介,1.人工神經(jīng)網(wǎng)絡(luò),人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，簡稱ANN)是一個(gè)高科技研究領(lǐng)域，是信息科學(xué)、腦科學(xué)、神經(jīng)心理學(xué)等多學(xué)科交叉的熱點(diǎn),人工神經(jīng)網(wǎng)絡(luò)的處理單元間

3、相互連接，所有的連接構(gòu)成一個(gè)有向圖。,智能算法簡介,徑向基神經(jīng)網(wǎng)絡(luò)模型及算法,,,RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練的關(guān)鍵是確定網(wǎng)絡(luò)隱層節(jié)點(diǎn)的個(gè)數(shù)、每個(gè)節(jié)點(diǎn)的中心信息及其對(duì)應(yīng)的輸出權(quán)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(jìn)化機(jī)制發(fā)展起來的高度并行、隨機(jī)、自適應(yīng)搜索算法。,在遺傳算法中，通過隨機(jī)方式產(chǎn)生若干個(gè)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(yīng)度函數(shù)（Fitness）給每個(gè)個(gè)體一個(gè)數(shù)

4、值評(píng)價(jià)，淘汰低適應(yīng)度的個(gè)體，選擇高適應(yīng)度的個(gè)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(gè)體集合形成下一代新的種群。對(duì)這個(gè)新種群進(jìn)行下一輪進(jìn)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(gè)向量xi（i=1,2,…,n）分為c個(gè)模糊組，并求每組的聚類中心，使得非相似性指標(biāo)的價(jià)值函數(shù)達(dá)到最小。,FCM的價(jià)值

5、函數(shù)（或目標(biāo)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(gè)聚類中心與第j個(gè)數(shù)據(jù)點(diǎn)間的歐幾里德距離；且,是一個(gè)加權(quán)指數(shù)。,是一個(gè)加權(quán)指數(shù)。,智能算法簡介,構(gòu)造如下新的目標(biāo)函數(shù)，可求得使上式達(dá)到最小值的必要條件,,對(duì)所有輸入?yún)⒘壳髮?dǎo),,,智能算法簡介,步驟1：用值在0，1間的隨機(jī)數(shù)初始化隸屬矩陣U，使其滿足相關(guān)的約束條件步驟2：用相關(guān)公式計(jì)算c個(gè)聚類中心ci，i=1,…,c。步驟3：計(jì)算價(jià)

6、值函數(shù)。如果它小于某個(gè)確定的閾值，或它相對(duì)上次價(jià)值函數(shù)值的改變量小于某個(gè)閾值，則算法停止。步驟4：用相關(guān)公式計(jì)算新的U矩陣。返回步驟2。,遺傳模糊RBF神經(jīng)網(wǎng)絡(luò)在復(fù)合材料健康監(jiān)測中的應(yīng)用,遺傳模糊RBF神經(jīng)網(wǎng)絡(luò),,,其中輸入、輸出層和普通的RBF網(wǎng)絡(luò)結(jié)構(gòu)一致，第一層為輸入層，該層的各個(gè)節(jié)點(diǎn)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(diǎn)個(gè)數(shù)等于輸入信息的元素個(gè)數(shù)n，第二層為匹配層，每個(gè)節(jié)點(diǎn)代表一個(gè)語言變量值，它的作

7、用是計(jì)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(diǎn)個(gè)數(shù)是對(duì)該節(jié)點(diǎn)輸入信息的模糊分類類別數(shù)S與輸入元素個(gè)數(shù)n的乘積，也即n×S個(gè)；第三層為推理層，每個(gè)節(jié)點(diǎn)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(diǎn)個(gè)數(shù)為Sn；第四層是歸一化計(jì)算層，節(jié)點(diǎn)個(gè)數(shù)與推理層節(jié)點(diǎn)個(gè)數(shù)相同，它所實(shí)現(xiàn)的是歸一化計(jì)算；第五層為網(wǎng)絡(luò)的輸出層，它所實(shí)現(xiàn)的是清晰化計(jì)算，該層節(jié)點(diǎn)個(gè)數(shù)由實(shí)際問題決定。,算法流程圖,,結(jié)果,利用復(fù)合材料結(jié)