[發明專利]一種基于聲發射參數與遺傳算法優化BP神經網絡的鋼筋混凝土梁損傷狀態識別方法

在審

• 申請號: 202011556936.4
• 申請日: 2020-12-25
• 公開（公告）號: CN112613105A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 顧愛軍;蘇銘;王舉國;關慶圓
• 申請（專利權）人: 揚州大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06N3/08;G06N3/12;G06F111/08
• 代理公司: 揚州蘇中專利事務所(普通合伙) 32222
• 代理人: 許必元

1.一種基于聲發射參數與遺傳算法優化BP神經網絡的鋼筋混凝土梁損傷狀態識別方法，其特征在于，包括以下步驟：

步驟1)將鋼筋混凝土梁作為實驗對象，采集構件在四點彎曲分級加載作用下的聲發射信號，直至混凝土材料碎裂；

步驟2)根據聲發射參數中的幅值計算出b_a值，b_a值為改進優化的聲發射b值；

步驟3)根據b_a值與能量的變化，將鋼筋混凝土梁損傷破壞階段分為四個階段，分別為原始孔隙壓密階段、微裂紋萌發階段、宏觀裂紋產生階段、最終破壞階段；

步驟4)通過聲發射參數中的幅值、持續時間、上升時間、振鈴計數、撞擊數、能量、有效值電壓、平均信號電平共八個特征參數，并依據步驟3)中四個損傷破壞階段對聲發射事件參數進行人工分類，分別記作1、2、3、4，作為BP神經網絡的輸入樣本；

步驟5)為了便于計算，對輸入樣本中八個聲發射事件特征參數進行歸一化處理；

步驟6)選擇BP神經網絡中合適的隱含層層數、隱含層節點數、激勵函數、學習速率；

步驟7)BP神經網絡的輸出層節點數為4，即對應鋼筋混凝土梁的四個損傷破壞階段，并采用二進制編碼表示，若樣本屬于第一階段則表示為[1,0,0,0]，第二階段則表示為[0,1,0,0]，第三階段則表示為[0,0,1,0]，第四階段則表示為[0,0,0,1]；

步驟8)遺傳算法參數初始化，選擇合適的最大進化代數、種群規模、交叉概率、變異概率，計算適應度值；

步驟9)將遺傳算法迭代求解出最佳的初始閾值和權值賦予BP神經網絡，進行BP神經網絡訓練。

2.根據權利要求1所述的一種基于聲發射參數與遺傳算法優化BP神經網絡的鋼筋混凝土梁損傷狀態識別方法，其特征在于，步驟2)的具體步驟為：

根據改寫的G-R公式：

式中，a為經驗常數；b為擬合直線的斜率，即“聲發射b值”；

利用最小二乘法：

式中，Δx為聲發射事件分檔間距；A_i為第i檔的中數；將某時間窗內的聲發射數據，根據幅值進行分組；A_dB/20作為橫坐標，logN_M為縱坐標進行擬合，得出相應的a、b值；取所有a值的平均值作為固定值將帶入線性函數利用各個時間窗中的數據重新進行最小二乘擬合，即可得到b_a值。

3.根據權利要求2所述的一種基于聲發射參數與遺傳算法優化BP神經網絡的鋼筋混凝土梁損傷狀態識別方法，其特征在于，步驟3)的具體步驟為：

歸一化函數方程為：

式中，x_k，_n是歸一化處理之后的序列元素；x_k是歸一化處理之前的序列元素；x_min為所在數據序列中的最小值；x_max為所在數據序列中的最大值。

4.根據權利要求3所述的一種基于聲發射參數與遺傳算法優化BP神經網絡的鋼筋混凝土梁損傷狀態識別方法，其特征在于，步驟6)中選擇合適的隱含層層數、隱含層節點數、激勵函數、學習速率，具體步驟：

步驟6.1)隱含層層數為一或二層；

步驟6.2)隱含層節點數對于BP神經網絡的輸出有直接影響，即影響識別效果及識別效率；若隱含層節點數過少，網絡會出現欠擬合、誤差大的情況；若隱含層節點數過多，網絡訓練時間過長，甚至會出現“過擬合”的現象而導致誤差增大；對于一層隱含層BP神經網絡通過如下的經驗公式來選擇隱含層節點數：

式中，n為輸入層節點數；l為隱含層節點數；m為輸出層節點數；c為0～10之間的常數；

步驟6.3)隱含層激勵函數選擇Sigmoid函數，表達式如下：

式中，e為自然底數；

步驟6.4)學習速率決定模型前向傳遞數據和反向傳播誤差過程的權值調整量；學習速率較小會導致網絡收斂慢，但能確保BP神經網絡訓練誤差小；而學習速率較大會導致模型的不穩定，所以選擇的區間為[0.01，0.8]。