经验遗传算法及其应用研究
|
摘要
摘 要
遗传算法是近些年来发展比较完善的一种全局寻优方法，鲁棒性能好，适用
性强、精度高，尤其适用于损伤指标常常对损伤敏感性差、观测数据噪声大的土
木工程结构的反演分析。对于复杂大自由度系统的反演分析，遗传算法计算量巨
大，关键在于进化计算中包含大量正演分析。减少反演分析中的正演计算次数，
是扩大遗传算法使用范围的有效途径。
神经网络由于其大规模并行处理、容错性、自组织、自适应能力和联想功能
强的特点，已成为解决很多问题的重要手段，广泛应用于各工程领域。本文提出
将神经元网络模型用于遗传进化中适应度函数的预测，实现了遗传代内算法的并
行性。本文将此算法称为经验遗传算法。六个经典算例表明：本文提出的经验遗
传算法计算效率高，大大减少了正演计算工作量，对大型复杂问题的反演分析有
重要的意义。
损伤识别指标的确定是结构健康监测的关键，通过研究分析及比较，本文选
择柔度矩阵作为损伤识别的指标，提出将经验遗传算法应用于高架桥结构损伤识
别的思路。
Abstrcat
Genetic Algorithms is a global optimization method perfectly developed in these
years, which is robust、widely used and has high accuracy. It often used to solve civil
engineering problem, especially for conversion analysis with low sensitive damage
index and inspective dates affected by big noise. In the complex conversion analysis
with multi-degrees of freedom, genetic algorithm has so many calculation counts. The
point is that evolution algorithm has a great deal positive analysis. Reduce the positive
calculation counts is an effective method to enlarge the range of GA’s using.
Due to ANN’s large scale concurrent ability 、 the fault tolerance 、
self-organization、self-adapting and associational function, it was an important means
to solve problems in many project fields. An algorithm is proposed in this paper which
makes an organic assemblage between GA and ANN. It performs the parallel
computation in the evolutional population. The six classical functions show the EGA
is more effective than GA. The counts are reduced. It is significant for the complex
problems. We call it empirical genetic algorithms.
The definition of damage index is the key in the structure health supervision.
Through comparing and research, flexibility matrix, a damage indetification index, is
used in this paper for diagnosis damage location and severity. Based on the theory
proposed in this paper, an ideas is proposed in this paper——apply EGA to detect the
viaduct damage.
遗传算法是近些年来发展比较完善的一种全局寻优方法，鲁棒性能好，适用
性强、精度高，尤其适用于损伤指标常常对损伤敏感性差、观测数据噪声大的土
木工程结构的反演分析。对于复杂大自由度系统的反演分析，遗传算法计算量巨
大，关键在于进化计算中包含大量正演分析。减少反演分析中的正演计算次数，
是扩大遗传算法使用范围的有效途径。
神经网络由于其大规模并行处理、容错性、自组织、自适应能力和联想功能
强的特点，已成为解决很多问题的重要手段，广泛应用于各工程领域。本文提出
将神经元网络模型用于遗传进化中适应度函数的预测，实现了遗传代内算法的并
行性。本文将此算法称为经验遗传算法。六个经典算例表明：本文提出的经验遗
传算法计算效率高，大大减少了正演计算工作量，对大型复杂问题的反演分析有
重要的意义。
损伤识别指标的确定是结构健康监测的关键，通过研究分析及比较，本文选
择柔度矩阵作为损伤识别的指标，提出将经验遗传算法应用于高架桥结构损伤识
别的思路。
Abstrcat
Genetic Algorithms is a global optimization method perfectly developed in these
years, which is robust、widely used and has high accuracy. It often used to solve civil
engineering problem, especially for conversion analysis with low sensitive damage
index and inspective dates affected by big noise. In the complex conversion analysis
with multi-degrees of freedom, genetic algorithm has so many calculation counts. The
point is that evolution algorithm has a great deal positive analysis. Reduce the positive
calculation counts is an effective method to enlarge the range of GA’s using.
Due to ANN’s large scale concurrent ability 、 the fault tolerance 、
self-organization、self-adapting and associational function, it was an important means
to solve problems in many project fields. An algorithm is proposed in this paper which
makes an organic assemblage between GA and ANN. It performs the parallel
computation in the evolutional population. The six classical functions show the EGA
is more effective than GA. The counts are reduced. It is significant for the complex
problems. We call it empirical genetic algorithms.
The definition of damage index is the key in the structure health supervision.
Through comparing and research, flexibility matrix, a damage indetification index, is
used in this paper for diagnosis damage location and severity. Based on the theory
proposed in this paper, an ideas is proposed in this paper——apply EGA to detect the
viaduct damage.
引文
1 刘效尧，蔡健，刘晖. 桥梁损伤诊断[M]. 人民交通出版社. 2002.7
2 http://www.ciche.org.tw/semimonth/vol26/26-10.asp
3 Sophia Hassiotis，Garrett D Jeong. Identification of Stiffness Reduction
Using Natural Frequencies[J]. Journal of Engineering Mechanics.
1995.121(10):1106～1113.
4 George Hearn. Modal Analysis for Damage Detection in Structurals[J].
Journal of Structural Engineering. 1991.11(10):3042～3063.
5 Salawu O.S. Detection of Structural Damage through Change in
Frenquency:A Review[J]. Eng.Struct. 1997.19(9):718～723.
6 Doeblingswetal. A Summary Review of Vibration Based Damage
Identification Methods[J]. the Shock and Vibration Digest. March
1998.92～105.
7 宗周红，任伟新，阮毅，T.L.WANG. 土木工程结构损伤诊断研究进展[J].
土木工程学报. 2003.036(005). 105～110.
8 Wei Xin Ren，Guido De Roeck. Structural Damage Identification Using
Modal Data Simulation Verification[J]. Journal of Structural Engineering.
2002.128(1):87～95.
9 周先雁，沈蒲生. 用应变模态对混凝土结构进行损伤识的研究[J]. 湖
南大学学报. 1997.24(5)：69～74.
10 王文静，刘志明，缪龙秀. 基于实验模态的结构应变模态分析[J]. 北
方交通大学学报. 2000.24(4):20～24.
11 Yam L.H. Theoretical and Experimental Study of Modal Strain Analysis[J].
Journal of Sound and Vibration. 1996.191(2):251～260.
12 邓焱，严普强. 梁及桥梁应变模态与损伤测量的新方法[J]. 清华大学
学报. 2000.40(11):123～127.
13 Pandey A.K. Damage Detection in Structures Using Changes in
Flexibility[J]. Journal of Sound and Vibration. 1994.169(1):3～17.
14 綦宝晖，邬瑞锋，蔡贤辉，李桂华. 一种桁架结构损伤识别的柔度阵法
66
参考文献
[J]. 计算力学学报. 2001.18(1)：42～47.
15 Raghavendrachar M.，Aktan A.E. Flexibility of Multireference Impact
Testing for Bridge Diagnostics[J]. Struct.Engrg. 1992.118(8): 2186～
2203.
16 Jun Zhao，Johe T.Dewolf. Sensitivity Study for Vibrational Parameters Used
in Damage Detection[J]. Journal of Structural Engineering.
1999.125(4):410～416.
17 Adahwesh Raghacendrachar，Ahmet E Aktan. Flexibility by Multireference
Impact Testing for Bridge Diagnostics[J]. Journal of Structural Engineering.
1992.118(8):2186～2203.
18 李德葆，陆秋海，秦权. 承弯结构的曲率模态分析[J]. 清华大学学报.
2002.42(2):224～227.
19 李功宇，郑华文. 损伤结构的曲率模态分析[J]. 振动、测试与诊断.
2002.22(2):136～141.
20 Pandey A.K. Damage Detection from Changes in Curvature Mode
Shapes[J]. Journal of Sound and Vibration. 1991.145(2):321～332.
21 唐小兵，沈成武，陈定方. 结构损伤识别的柔度曲率法[J]. 武汉理工
大学学报. 2001.23(8):18～21.
22 史治宇，张令弥，吕令毅. 基于模态应变能诊断结构破损的修正方法[J].
东南大学学报. 2002.30(3):84～87.
23 Shi Z.Y.，Law S.S. and Zhang L.M. Structural damage localization from
model strain energy change[J]. Journal of Sound Vibration. 1998.218(5).
24 Z.Y. Shi，S.S. Law，L.M. Zhang. Structural Damage Detection from Modal
Strain Energy Change. Journal of Engineering Mechanics
2000.126(12):1216～1223.
25 S.S.Law ， Z.Y.Shi ， L.M.Zhang. Structural Damage Detection from
Incomplete and Noisy Modal Test Data. Journal of Engineering Mechanics.
1998.124(11):1280～1998.
26 Doebling S.W.，Hemez F.M.，Peterson L.D.，Farhat C. Improved Damage
Location Accuracy Using Strain Energy Based on Mode Selection Criteria[J].
67
北京工业大学工学硕士学位论文
AIAA. 1997.35(4):693～699.
27 郑栋梁，李中付，华宏星. 结构早期损伤识别技术的现状和发展趋势[J].
振动与冲击. 2002.21(2).1～6.
28 秦 权 . 悬 索 桥 的 损 伤 识 别 [J]. 清 华 大 学 学 报 自 然 科 学 版 .
1998.038(012):44～47，60
29 王中东，夏熙梅，陈塑寰. 基于剩余模态力分析方法的结构损伤识别[J].
吉林工业大学自然科学学报. 1999.29(3)：61～66.
30 曾迪. 改进的遗传—单纯形算法[D]. 水利水电科学研究院硕士论文.
2001.
31 王凌. 智能优化算法及其应用[M]. 清华大学出版社，施普林格出版
社.2001.10
32 张文修，梁怡. 遗传算法的数学基础[M]. 西安交通大学出版社.
2000.5
33 王小平，曹立明. 遗传算法——理论、应用、与软件实现[M]. 西安交
通大学出版社. 2002.1
34 朱福喜，汤怡群，傅建明. 人工智能原理[M]. 武汉大学出版社
2002.2
35 王文鹏. 基于遗传算法的网络计划多目标优化研究[D]. 河北科技建
筑学院硕士论文. 2002
36 王正志，薄涛，进化计算[M]. 国防科技大学出版社 2000.11
37 曹俊，朱如鹏. 一种改善遗传算法早熟现象的方法[J]. 上海大学学报
(自然科学版). 2003.19(3):229～232
38 周育人，王勇. 一类改进的遗传算法及其优化性能分析[J]. 武汉化工
学院学报. 2003.25(1):93～96
39 付旭辉，康玲. 遗传算法的早熟问题探究[J]. 华中科技大学学报.
2003.31(7)
40 陈 根 社 ， 陈 新 海 . 遗 传 算 法 的 研 究 进 展 [J].
信 息 与 控 制 .
1994.23(4)
41 刘永红. 神经网络理论的发展与前沿问题[J]. 信息与控制.
1999.28(1):31～46
68
参考文献
42 姜绍飞. 基于神经网络的结构优化与损伤检测[M]. 科学出版社.
2002.6
43 张仰森，黄改娟．人工智能使用教程[M]． 北京希望电子出版社,中国
科学出版集团． 2002.5
44 姜绍飞，刘之洋. 人工神经网络在外包钢筋混凝土框架柱的设计参数预
报中的适应性[J]. 土木工程学报. 1997.33(1)：73～77
45 汪金良，卢宏，曾青. GA—BP 算法及其在冰铜品位神经网络模型中的应
用[J]. 江西有色金属. 2003.17(3)
46 孙全玲，胡平，陆金挂. 基于神经网络和遗传算法的优化设计方法[J].
计算机应用. 2003.23(10):98～99
47 王文剑，贾莲凤. 用综合法优化前向神经网络结构[J]. 计算机工程与
设计. 2001.22(6)：92～94
48 杨洪明，白培林. 基于遗传算法的人工神经网络负荷预报模型[J]. 湖
南电力. 2000.20(1)
49 Cook D.F.，Ragsdale G.T.，Major R.L. Combining a Neural Network with a
Genetic Algorithm for Process Parameter Optimization[J]. Engineering
Application of Artificial Intelligence. 2000.13:391～396.
50 Randall S.，Sexton Jatinder N.D. Comparative Evaluation of Genetic
Algorithms and Back Propagation for Training Neural Networks[J].
Information Sciences. 2000.129:45～59.
51 Angeline J.，Saunders M. An Evolutionary Algorithms that Constructs
Recurrent Neural Network[J]. IEEE Trans on Neural Networks. 1994.5(1)：
793～801
52 韩明红，李凡，邓家禔. 用于多层前馈神经网络学习的快速遗传算法[C].
科技成果·学术论文
53 罗文辉. 遗传算法在神经网络优化中的应用[J]. 控制工程.
2003.10(5): 401～403
54冯新，周晶，陈健云，李昕. 基于观测柔度阵的结构参数识别[J]. 世界地震工程.
2002.18(1)：51～55
2 http://www.ciche.org.tw/semimonth/vol26/26-10.asp
3 Sophia Hassiotis，Garrett D Jeong. Identification of Stiffness Reduction
Using Natural Frequencies[J]. Journal of Engineering Mechanics.
1995.121(10):1106～1113.
4 George Hearn. Modal Analysis for Damage Detection in Structurals[J].
Journal of Structural Engineering. 1991.11(10):3042～3063.
5 Salawu O.S. Detection of Structural Damage through Change in
Frenquency:A Review[J]. Eng.Struct. 1997.19(9):718～723.
6 Doeblingswetal. A Summary Review of Vibration Based Damage
Identification Methods[J]. the Shock and Vibration Digest. March
1998.92～105.
7 宗周红，任伟新，阮毅，T.L.WANG. 土木工程结构损伤诊断研究进展[J].
土木工程学报. 2003.036(005). 105～110.
8 Wei Xin Ren，Guido De Roeck. Structural Damage Identification Using
Modal Data Simulation Verification[J]. Journal of Structural Engineering.
2002.128(1):87～95.
9 周先雁，沈蒲生. 用应变模态对混凝土结构进行损伤识的研究[J]. 湖
南大学学报. 1997.24(5)：69～74.
10 王文静，刘志明，缪龙秀. 基于实验模态的结构应变模态分析[J]. 北
方交通大学学报. 2000.24(4):20～24.
11 Yam L.H. Theoretical and Experimental Study of Modal Strain Analysis[J].
Journal of Sound and Vibration. 1996.191(2):251～260.
12 邓焱，严普强. 梁及桥梁应变模态与损伤测量的新方法[J]. 清华大学
学报. 2000.40(11):123～127.
13 Pandey A.K. Damage Detection in Structures Using Changes in
Flexibility[J]. Journal of Sound and Vibration. 1994.169(1):3～17.
14 綦宝晖，邬瑞锋，蔡贤辉，李桂华. 一种桁架结构损伤识别的柔度阵法
66
参考文献
[J]. 计算力学学报. 2001.18(1)：42～47.
15 Raghavendrachar M.，Aktan A.E. Flexibility of Multireference Impact
Testing for Bridge Diagnostics[J]. Struct.Engrg. 1992.118(8): 2186～
2203.
16 Jun Zhao，Johe T.Dewolf. Sensitivity Study for Vibrational Parameters Used
in Damage Detection[J]. Journal of Structural Engineering.
1999.125(4):410～416.
17 Adahwesh Raghacendrachar，Ahmet E Aktan. Flexibility by Multireference
Impact Testing for Bridge Diagnostics[J]. Journal of Structural Engineering.
1992.118(8):2186～2203.
18 李德葆，陆秋海，秦权. 承弯结构的曲率模态分析[J]. 清华大学学报.
2002.42(2):224～227.
19 李功宇，郑华文. 损伤结构的曲率模态分析[J]. 振动、测试与诊断.
2002.22(2):136～141.
20 Pandey A.K. Damage Detection from Changes in Curvature Mode
Shapes[J]. Journal of Sound and Vibration. 1991.145(2):321～332.
21 唐小兵，沈成武，陈定方. 结构损伤识别的柔度曲率法[J]. 武汉理工
大学学报. 2001.23(8):18～21.
22 史治宇，张令弥，吕令毅. 基于模态应变能诊断结构破损的修正方法[J].
东南大学学报. 2002.30(3):84～87.
23 Shi Z.Y.，Law S.S. and Zhang L.M. Structural damage localization from
model strain energy change[J]. Journal of Sound Vibration. 1998.218(5).
24 Z.Y. Shi，S.S. Law，L.M. Zhang. Structural Damage Detection from Modal
Strain Energy Change. Journal of Engineering Mechanics
2000.126(12):1216～1223.
25 S.S.Law ， Z.Y.Shi ， L.M.Zhang. Structural Damage Detection from
Incomplete and Noisy Modal Test Data. Journal of Engineering Mechanics.
1998.124(11):1280～1998.
26 Doebling S.W.，Hemez F.M.，Peterson L.D.，Farhat C. Improved Damage
Location Accuracy Using Strain Energy Based on Mode Selection Criteria[J].
67
北京工业大学工学硕士学位论文
AIAA. 1997.35(4):693～699.
27 郑栋梁，李中付，华宏星. 结构早期损伤识别技术的现状和发展趋势[J].
振动与冲击. 2002.21(2).1～6.
28 秦 权 . 悬 索 桥 的 损 伤 识 别 [J]. 清 华 大 学 学 报 自 然 科 学 版 .
1998.038(012):44～47，60
29 王中东，夏熙梅，陈塑寰. 基于剩余模态力分析方法的结构损伤识别[J].
吉林工业大学自然科学学报. 1999.29(3)：61～66.
30 曾迪. 改进的遗传—单纯形算法[D]. 水利水电科学研究院硕士论文.
2001.
31 王凌. 智能优化算法及其应用[M]. 清华大学出版社，施普林格出版
社.2001.10
32 张文修，梁怡. 遗传算法的数学基础[M]. 西安交通大学出版社.
2000.5
33 王小平，曹立明. 遗传算法——理论、应用、与软件实现[M]. 西安交
通大学出版社. 2002.1
34 朱福喜，汤怡群，傅建明. 人工智能原理[M]. 武汉大学出版社
2002.2
35 王文鹏. 基于遗传算法的网络计划多目标优化研究[D]. 河北科技建
筑学院硕士论文. 2002
36 王正志，薄涛，进化计算[M]. 国防科技大学出版社 2000.11
37 曹俊，朱如鹏. 一种改善遗传算法早熟现象的方法[J]. 上海大学学报
(自然科学版). 2003.19(3):229～232
38 周育人，王勇. 一类改进的遗传算法及其优化性能分析[J]. 武汉化工
学院学报. 2003.25(1):93～96
39 付旭辉，康玲. 遗传算法的早熟问题探究[J]. 华中科技大学学报.
2003.31(7)
40 陈 根 社 ， 陈 新 海 . 遗 传 算 法 的 研 究 进 展 [J].
信 息 与 控 制 .
1994.23(4)
41 刘永红. 神经网络理论的发展与前沿问题[J]. 信息与控制.
1999.28(1):31～46
68
参考文献
42 姜绍飞. 基于神经网络的结构优化与损伤检测[M]. 科学出版社.
2002.6
43 张仰森，黄改娟．人工智能使用教程[M]． 北京希望电子出版社,中国
科学出版集团． 2002.5
44 姜绍飞，刘之洋. 人工神经网络在外包钢筋混凝土框架柱的设计参数预
报中的适应性[J]. 土木工程学报. 1997.33(1)：73～77
45 汪金良，卢宏，曾青. GA—BP 算法及其在冰铜品位神经网络模型中的应
用[J]. 江西有色金属. 2003.17(3)
46 孙全玲，胡平，陆金挂. 基于神经网络和遗传算法的优化设计方法[J].
计算机应用. 2003.23(10):98～99
47 王文剑，贾莲凤. 用综合法优化前向神经网络结构[J]. 计算机工程与
设计. 2001.22(6)：92～94
48 杨洪明，白培林. 基于遗传算法的人工神经网络负荷预报模型[J]. 湖
南电力. 2000.20(1)
49 Cook D.F.，Ragsdale G.T.，Major R.L. Combining a Neural Network with a
Genetic Algorithm for Process Parameter Optimization[J]. Engineering
Application of Artificial Intelligence. 2000.13:391～396.
50 Randall S.，Sexton Jatinder N.D. Comparative Evaluation of Genetic
Algorithms and Back Propagation for Training Neural Networks[J].
Information Sciences. 2000.129:45～59.
51 Angeline J.，Saunders M. An Evolutionary Algorithms that Constructs
Recurrent Neural Network[J]. IEEE Trans on Neural Networks. 1994.5(1)：
793～801
52 韩明红，李凡，邓家禔. 用于多层前馈神经网络学习的快速遗传算法[C].
科技成果·学术论文
53 罗文辉. 遗传算法在神经网络优化中的应用[J]. 控制工程.
2003.10(5): 401～403
54冯新，周晶，陈健云，李昕. 基于观测柔度阵的结构参数识别[J]. 世界地震工程.
2002.18(1)：51～55