布谷鸟算法优化神经网络的站房结构损伤识别.pdf
《布谷鸟算法优化神经网络的站房结构损伤识别.pdf》由会员分享,可在线阅读,更多相关《布谷鸟算法优化神经网络的站房结构损伤识别.pdf(6页珍藏版)》请在咨信网上搜索。
1、文章编号-0098-0610602023NO.9(Ser.300)JOURNALOF RAILWAY ENGINEERING SOCIETY第9期(总30 0)Sep2023报程铁学道2023年9 月布谷鸟算法优化神经网络的站房结构损伤识别陈艳春张长虹米米(石家庄铁道大学,石家庄0 50 0 43)摘要:研究目的:在铁路站房结构健康监测中,采用BP神经网络来识别结构损伤常常因为陷入局部极小值导致误报率高。因此,本文使用布谷鸟算法对神经网络进行优化,并将优化后的神经网络模型应用于站房结构损伤识别,以提高损伤识别的准确率。研究结论:(1)利用布谷鸟算法搜索BP神经网络最优的权重和偏置,可以找到模型
2、的全局最优解,防止陷入局部极小值;(2)本文提出的模型适用于铁路站房结构健康监测数据量大、结构复杂、维数高的特点,可通过数据预处理构建神经网络的训练测试数据集;(3)以昆明南站监测数据为例进行试验验证,结果表明,通过布谷鸟算法优化BP神经网络模型准确率达到99.7 3%,较BP神经网络模型提高1.8 8 个百分点;(4)本文研究可为实时结构性能评估提供技术支撑,可为铁路站房结构健康监测提供新的途径,具有一定的参考价值。关键词:BP神经网络;布谷鸟算法;局部极小值;结构损伤识别;模型优化中图分类号:TP183;TU317文献标识码:AOptimization of Neural Network
3、by Cuckoo Algorithm for Identification ofStation Structural DamageCHEN Yanchun,ZHANG Hong(Shijiazhuang Tiedao University,Shijiazhuang,Hebei 050043,China)Abstract:Research purposes:In structural health monitoring of railway station,BP neural network is used to identifystructural damage,which often le
4、ads to high false positive rate because it is easy to fall into local minima.The cuckooalgorithm is used to optimize the neural network,and the optimized neural network model is applied to improve theaccuracy of damage identification for station structural damage.Research conclusions:(1)Cuckoo algor
5、ithm is used to search the optimal weight and bias of BP neural network,so asto find the global optimal solution of the model and prevent the neural network from falling into the local minima.(2)The model proposed in this paper is suitable for the characteristics of large amount,complex structure,hi
6、ghdimension of railway station structure health monitoring data,and the training and testing datasets of neural network canbe constructed by data preprocessing.(3)Taking the monitoring data of Kunming South Station as an example forexperiment,the results show that the accuracy of BP neural network m
7、odel optimized by cuckoo algorithm reaches99.73%,which is 1.88 percentage points higher than that of BP neural network model.(4)The research can providetechnical support for real-time structural state assessment,provide a new way for structural health monitoring of railwaystations,and have a certain
8、 reference value.Key words:BP neural network;cuckoo algorithm;local minima;structural damage identification;model optimization*收稿日期:2 0 2 2-0 4-2 1*作者简介:陈艳春,,197 4年出生,女,教授,博士生导师;张虹,1990 年出生,女。双。八件经儿时儿张陈艳春第9 期虹:布谷鸟算法网络的站房结构损伤识别99大型铁路站房在长期服役中会产生损伤,使得结构的抗力衰减,在极端情况下甚至会导致结构失效,造成严重的社会影响1。在结构健康监测与诊断过程中,依据历
9、史监测数据获取某些特征,通过人工神经网络等算法进行故障分类与识别,这种基于模型的故障监测与诊断方法已经得到广泛应用。BP神经网络算法基于梯度下降的反向误差传递容易陷人局部极小值,不能获得最优的方案,于是许多研究者采用生物进化算法对神经网络进行改进。Geethanjali等2 利用粒子群算法训练多层神经网络,在电力变压器内部故障诊断与运行状态识别方面提高效率。Azadeh等3 将遗传算法和神经网络结合应用到复杂生产单元评估和优化中,结果表明优化后的神经网络模型在机械生产率方面具有优势。可见,利用生物进化算法优化神经网络是可行的。H.TranNg o c 等4 在桥梁结构损伤识别中尝试将布谷鸟算法
10、与神经网络模型结合来提高诊断的准确率。桥梁结构损伤监测与铁路站房结构健康监测有类似之处,但是铁路站房结构监测数据有其独特的结构特征,且目前针对此方面的研究较少。基于H.Tran-Ngoc等的研究,本文将布谷鸟搜索算法(CS)与BP神经网络模型有效结合,将算法改进后的神经网络模型应用于站房结构损伤诊断方面,力求提高铁路站房结构健康监测的准确率。1结构损伤识别神经网络建模1.1铁路站房监测数据特征铁路站房结构健康监测的传感器数据具有数据量大、结构复杂、维数高的特征。首先,铁路站房监测数据量巨大。在传感器监测数据矩阵中,每行数据代表一个时刻的所有传感器数据,每列数据代表一个传感器随时间的响应,矩阵的
11、行和列都是相对较大的数,即监测数据矩阵是高维时间序列数据。以昆明南站为例,其站房钢结构监测部分就有2 0 0 多个传感器,采样间隔1h,每年的监测数据能够达到数百万行。其次,铁路站房监测数据结构复杂。多数铁路站房既有钢筋混凝土结构又有钢结构,常用的传感器有应力、加速度、温度、湿度和风速等传感器,不同传感器、不同的结构数据统计规律不同,增加了数据结构的复杂程度。最后,传感器故障数据混淆增加了站房结构健康监测的难度5。传感器的监测数据异常将使采样数据的均值和方差发生漂移,造成监测误报1.2BP网络模型设计BackPropagation(BP)神经网络是一种通过输人连续或离散的初始信息,进行计算后按
12、误差逆传播算法的前馈神经网络,最终实现输出和输人之间的高度的非线性映射6 。为了保证神经网络模型的简洁性和提高计算效率,本研究引人一个隐藏层。其基本结构及信号传输过程如图1所示。XX2X输入层Wb隐藏层W输出层Y图1神经网络结构及信号传输过程示意图神经网络模型包括输人层、隐藏层和输出层。输人层接收输人数据,然后将信号传输到隐藏层。隐藏层包含一定数量的处理单元,在输人层和输出层之间起着重要的桥梁作用。神经网络中前一层的每个神经元都与后一层神经元基于训练参数(权值和偏置)完全连接。层间信号传输基于两个函数的计算。第一个是求和函数,设隐藏层第j个神经元的输出为Output,,其计算公式见式(1)Ou
13、tput,=nw;Output;+b,i=1,2,n(1)式中Output;输入层第i个神经元的输出;Wi输人层第i个神经元和隐藏层第j个神经元连接的权重;bj隐藏层第个神经元的偏置;ij输入层和隐藏层中的神经元;人第二个是激活函数,用于限制神经元输出的取值范围。激活函数可以是单调递增的线性或非线性函数。输层和隐藏层的激活函数采用ReLU,输出层激活函数采用Softmax。输出层的输出结果由以下公式获得:Sofimax(Z);=)exp(z,)(2)exp(Z.)其中,Z,是分类器前级输出单元的输出;i表示类别索引,总的类别个数为C。通过Softmax函数可以将多分类的输出数值转化为相对概率,
14、其取值区间为0,1,所有分类的相对概率和为1。计算真实输出和期望输出之间的差异的损失函数采用交叉熵函数。交叉熵函数用于计算两个概率分布2023年9 月报程铁学道100之间的差异,是多分类问题常见的损失函数。其计算公式如下:m1Loss(Y,Y)=-j/log(yl)(3)m-i=1式中y第i个样本为第j个分类的真实概率;一一第i个样本为第j个分类的预测概率。将选定的6 0 个传感器的实时监测数据作为网络的输入向量,其形式为:1输人样本数据=XX,.XXo。其中,i和X,分别为第i个节点和第i个节点的传感器数据,共6 0 维。将当前时刻正常、出现结构损伤、出现传感器故障这三种情况进行oneh o
15、 t 编码作为输出向量,其形式为:(当前情况分类=(YY,Y,。比如出现损伤情况,则输出向量形式为:1出现结构损伤】=0 10),共3维。神经网络的训练过程是寻找最优的权重和偏置的过程。使用损失函数度量训练误差,将每次训练的结果与预期的结果进行误差分析,如不能得到所预期的结果,将误差逆传播,修改神经元的权重和偏置进行下一次训练,直至完成设置的最大训练次数7 2基于布谷鸟算法的BP神经网络优化2.1布谷鸟算法布谷鸟算法灵感来源于布谷鸟的繁殖策略,通过模拟布谷鸟寄生育雏行为,结合鸟类、果蝇等的莱维飞行机制进行寻优操作。布谷鸟算法基于三个理想化的规则8:首先,布谷鸟随机选择巢产蛋,一次只产一个蛋;其
16、次,最适合布谷鸟生存的巢会传给下一代;最后,可寄生巢数量是固定的,布谷鸟蛋被寄主发现的概率为0 至1之间的数布谷鸟算法中的最优解是基于最小化或最大化问题的目标函数,该目标函数也称为适应度函数。布谷鸟算法的每一次迭代相当于寻找一个新的解,布谷鸟算法在t+1次迭代时的新解X+I为X*=X)+levy()(4)式中X一第t代的解;步长控制量;levy(入)一步长。levy(入)提供了一个随机游动,其中它的步长是从levy分布中得出的:levy(入)=t-(1 入3)(5)布谷鸟算法中只有两个参数,即种群大小N和发现概率Pa,种群大小N确定后,发现概率控制随机化和局部搜索的平衡,并不影响算法的收敛速度
17、。较少的控制参数使得布谷鸟算法具有更强的通用性和鲁棒性8 2.2布谷鸟算法优化BP网络流程BP网络是否陷入局部极小值取决于网络初始权重和偏置,而BP网络初始的权重和偏置一般是随机生成的。为使BP网络找到全局最优解,本文使用布谷鸟算法(CS)寻找神经网络最优的初始的权重和偏置,由此得到最优的神经网络模型。布谷鸟优化BP网络流程如图2 所示布谷鸟算法优化BP网络的步骤如下:第一步,确定神经网络的结构,包括神经网络的层数和神经元的个数,从而确定需要优化的参数个数。第二步,初始化布谷鸟算法。根据需要优化的参数个数设置布谷鸟算法的种群规模N、发现概率Pa、最大迭代次数Tmax、适应度函数、终止条件参数。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 布谷鸟 算法 优化 神经网络 结构 损伤 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。