资源描述：
《人工神经网络在轨道振动分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第20卷第4期华 中 科 技 大 学 学 报(城市科学版)Vol.20No.42003年12月 J.ofHUST.(UrbanScienceEdition)Dec.2003人工神经网络在轨道振动分析中的应用111谢伟平 张良涛 钟 珞(1.武汉理工大学 土木工程与建筑学院,湖北 武汉 430070)摘 要:综述了人工神经网络在轨道振动分析中的应用.介绍了轨道振动分析中人工神经网络常用的模型和基本性能;讨论了人工神经网络在该领域及相关领域的应用情况;最后展望了其发展趋势和应用前景.关键词:人工神经网络; 轨道振
2、动分析; 参数识别+中图分类号:U213.21:TP183 文献标识码:A 文章编号:100025730(2003)0420007204Nm 目前对轨道引起的环境振动的评价、预测主(k+2)(k+1)(k)(k)yi=∑ailõg∑blj+wl,要是从二个方面进行:一是理论计算,包括建立模l=1j=1-r型和对模型采用的计算方法;二是现场实测.我国式中,g(r)=1ö(1+e).BP网络结构简单,具有偏重于对轨道系统模型和算法的研究,因为算法很强的非线性影射能力.因为它理论上的完整性强烈地依赖于模型,因
3、此,模型的建立就成了轨道和应用的广泛性,所以具有很重要的意义,但它也振动分析的中心任务.存在不少问题.BP网络的应用难点是网络的泛化近10年来,人工智能理论与技术的迅速发问题、局部最小问题和算法收敛速度慢的问题.[31～33]展,为解决许多复杂和非确定性问题提供了新的b.RBF网络(k+2)(k+2)(l)强有力工具.人工神经网络是一种模拟人脑的神yi=∑ailõgu-c,l[1]经结构及信息处理过程的人为构造系统,神经2(l)式中,g(r)=rlnr;c为RBF中心.RBF网络在[2]网络理论与技术已经应用
4、于桩基工程、道路与理论上具有任意逼近性能和最佳逼近性能,其非[3,4][5]桥梁工程、结构的振动优化控制等众多的土线性映射能力体现在隐层基函数上,而基函数特木工程领域.在轨道振动分析中应用神经网络,可性主要由其中心确定.因此,RBF网络的应用难以不依赖于模型,只依赖于数据建立系统参数和点在中心点集的选择.响应之间的数据关系.因为实验数据中能反映无在诸多的学习法中,误差反馈法较为常用,其法考虑和预料不到的因素,这些因素以数据信息中系统误差E的二次型函数为的形式存储在网络中,所以这种在实验基础上建N1d2立的网络
5、可以储存各种动力关系,更接近实际.E=2∑(yl-yl),l=1d式中,yl为期望输出;yl为网络输出.权值修改值1 轨道振动分析中常用的神经网络模型aij(t+l)=aij(t)-G5Eö5aij,式中,G为学习率.常用于轨道振动分析中的神经网络模型可分[34,35]1.2 动态网络模型[6][7]为静态多层前向网络模型和动态网络模型.J.Hopfield提出的Hopfield模型可用作联1.1 静态多层前向网络模型想存储器,后来他将这一网络应用于解决优化问在非线性系统识别和响应预测中最常用到的题,取得了良
6、好的效果.常用的动态网络模型有连神经网络为多层前向BP(BackPropagation)网络续时间的Hopfield网络、部分递归网络.连续时和RBF(RadialBasisFunction)径向基函数网络.间的Hopfield网络可描述为N它们各自的网络输入2输出关系如下.dyi[8～26,35]Sidt=-yi(t)+∑wijuj(t)+vi.a.前向BP网络j=1收稿日期:2003208218.作者简介:谢伟平(19652),男,教授;武汉,武汉理工大学土木工程与建筑学院(430070).基金项目:湖北
7、省自然科学基金资助项目(2003ABA015).©1995-2004TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.· 华 中 科 技 大 学 学 报8·(城市科学版)2003年[11]部分递归网络可描述为TshilidziMarwala基于频率响应函数、模N态参数(自振频率和振型)和小波变换数据的优缺ui(k+1)=f∑wijuj(k)+vi(k).j=1点,取长补短,同时用来训练神经网络而组成一个Hopfield网络是一种反
8、馈神经网络,是一个神经网络组,并用网络对一个三自由度体系进行非线性动力学系统,具有一般非线性动力学系统了结构诊断,网络表现出良好的性能,特别是对实的许多问题,如稳定问题、各种类型的吸引子以及测的数据.混沌现象等.因此,Hopfield网络的应用难点在对[34]何玉敖等使用自递归神经网络模型它的稳定性和吸引子进行研究以及怎样得到和利(SRNN)预测结构的响应.为了保证学习快速收用稳定的Hopfield
