1、 万方数据2002 No3 吴大宏，等：基于遗传算法与神经网络的桥梁结构健康监测系统研究初探 5数字计算机相比，神经网络系统具有集体运算的能力和自适应的学习能力。此外，它还具有很强的容错性和鲁棒性，善于联想、综合和推广。神经网络模型多种多样，各式各样的模型从不同的角度对生物神经系统进行不同层次的描述和模拟。代表性的神经网络模型有感知器、多层映射BP网络、RBF网络、双向联想记忆(并首次提出了局部神经网络等概念,将工程学上处理复杂系统的方法引入神经网络的研究.模糊关系方程的求解算法解算法的网络可视化及动态学习求解;其次,借助非监督学习算法常用的竞争学习算法实现了极小解求解算法的网络可视化,并借助
2、神经网络的存储功能进行了极小解的筛选和存储,最终确定了模糊关系方程解的结构.3.期刊论文 刘书贤.赵艳霞.李奎明 遗传算法-神经网络方法的结构损伤识别 -辽宁工程技术大学学报（自然科学版）2004,23(5)应用人工神经网络技术,提取结构的固有频率的变化为特征参数,建立结构损伤识别模型,提出用遗传算法来调整神经网络的权值,并对一个框架模型进行了损伤数值模拟计算,即基于遗传算法-神经网络方法的结构损伤识别的研究.该方法弥补了传统的神经网络BP网络收敛速度慢,易陷入局部极小点等缺陷.结构表明,该方法具有收敛速度快和识别精度高的特点.4.学位论文 李享梅 基于混合智能学习法神经网络理论及其应用的研究
3、 2004人工神经网络和遗传算法作为人工智能的两大分支,在近几年来,无论从理论还是应用方面都得到了长足的发展.由于人工神经网络中的BP神经网络结构简单,可塑性强,具有良好的自适应、自学习、极强的非线性逼近、大规模并行处理和容错能力等特点,自1986年Rumelhart等人提出以来,被广泛应用于系统建模、模式识别、地震勘探等重要领域.而BP算法数学意义明确,步骤分明,是神经网络中最为常用、最有效、最活跃的一种方法.该文首先分析了神经网络和遗传算法的发展和应用现状,以及遗传算法的基本概念、构成要素、运算过程、特点、理论基础和基本遗传算法所涉及到的内容的研究,并将其应用于优化前馈型神经网络的连接权问
4、题.其次,研究了人工神经元的相关理论以及人工神经网络的特征、人工神经网络学习规则和BP神经网络的相关理论和性能.第三,针对BP神经网络局部搜索能力强、全局搜索能力差和基于遗传算法的神经网络全局搜索能力强、局部搜索能力差的特点,该文提出了一种集BP算法和遗传算法优点为一体的混合智能学习法,并将其应用到优化多层前馈型神经网络连接权问题.该方法集神经网络、遗传算法和BP算法优点于一体,并从理论和实践两个方面论证了其可行性和实用性.最后,用VC+语言设计了BP神经网络、基于遗传算法的神经网络和混合智能学习法神经网络实现和进行计算机仿真运行程序,并分别将它们应用于解决异或、函数拟合和高分辨率地震资料解释
5、等问题,从实践中证明混合智能学习法神经网络与BP神经网络和基于遗传算法的神经网络相比有更好的运算性能、更快的收敛速度和更高的精度.5.期刊论文 张庆红.程国建.ZHANG Qing-hong.CHENG Guo-jian 基于遗传算法的神经网络性能优化 -计算机技术与发展2007,17(12)遗传算法是一种典型的进化算法.文中分析了遗传算法的特点和神经网络的特点,从而得出了把两种算法结合起来进行应用的思想.运用理论对比的方法,阐明了用遗传算法进行神经网络性能优化的原因,并得出结论,认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用.阐述了遗传算法优化神经网络的两种主要方法,论述了遗
6、传算法和神经网络的发展现状和将来的研究动向.6.学位论文 李晔 基于一种改进遗传算法的神经网络 2007随着时代的发展，科技的进步被控对象变得越来越复杂，其过程机理有许多不明之处，致使基于数学模型的传统控制方法难以奏效，因此提出很多智能控制方法，其中神经网络控制是解决这些问题的有效途径，可用来处理不确定性的复杂系统，神经网络虽然具有自学习能力，但其内部机理不很明确，知识表达困难。针对神经网络存在的不足，又考虑现在优化算法中，遗传算法具有鲁棒性、随机性、全局性、适于并行处理的优点，本文提出用遗传算法优化神经网络，弥补神经网络的不足。遗传算法是目前应用最广的优化搜索算法之一。目前，遗传算法已经在许
7、多领域得到了应用，如函数优化、模型优化、结构优化、工业生产、图像处理等等。但基本遗传算法易于陷入局部最优，在有些时候收敛速度过慢，这使得基本遗传算法很难找到全局最优。如何能够使遗传算法尽可能快地跳出局部最优和如何能够提高遗传算法的收敛速度，是近年来遗传算法研究领域的热点。本文针对简单遗传算法(SGA)应用过程中所存在的不易收敛、结果常常陷入局部最优、编码方式存在解码误差、收敛速度慢等缺点，提出使用一种基于排序选择的改进遗传算法，并用其进行智能控制器的参数寻优。遗传算法的选择、交叉以及变异，每个环节的实现策略的改变都会对整个遗传算法的寻优性能产生重要影响；而且需要其它环节做出相应的调整，才能达到
8、比较理想的提高遗传算法寻优能力的目的。基于上述原因，提出基于排序选择的改进遗传算法。所谓排序选择方法是指在计算出每个个体的目标值后，根据目标值的大小顺序对群体中的个体进行排序，适应度仅取决于排序后的个体在种群中的位置，并且每个个体的选择概率等于根据它所处的位置按某种规律计算出来的概率。用改进的遗传算法优化调整神经网络的权值，将优化所得参数作为神经网络的初始权值。这种针对神经网络控制器的结构特点，用遗传算法训练优化网络权重，得到的复合智能控制器具有很好的特性，既保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力，并且可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。将基
9、于改进遗传算法的神经网络控制器用于二级倒立摆系统，通过仿真结果的研究表明，基于排序选择的改进遗传算法在神经网络权值寻优中，能够充分发挥其全局寻优的特点，且能够很好的弥补BP算法训练时间长，响应速度慢的不足。7.期刊论文 高志刚.李克鹏.李琦 基于遗传算法和神经网络的倒立摆控制系统 -江西电力职业技术学院学报2004,17(3)以单级倒立摆为对象,介绍了一种融合遗传算法的神经网络控制方法.该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想,以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.仿真结果证明:遗传算法和神经
10、网络的结合,可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能.8.学位论文 刘春艳 基于遗传算法-BP神经网络的主汽温控制系统的研究 2006在火力发电厂中，对主汽温的控制有较高的要求，但是由于电厂主汽温是一个典型的具有大迟延、大惯性、非线性及时变性的复杂系统，利用经典控制理论对主汽温进行控制存在一些不足。本文在常规PID控制的基础上，提出了采用遗传算法与BP神经网络结合的PID控制策略。该策略采用基于遗传算法的BP神经网络来建立参数自学习的PID控制系统，从而实现对主汽温的有效控制。本文首先对BP神经网络和遗传算法的优缺点进行了分析；然后把神经网络和遗传算法结合起来，充分利用两者的优点
11、，使新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的全局随机搜索能力；最后利用基于遗传算法的BP神经网络对主汽温控制系统进行设计，该设计分为三个方面：第一，由于主汽温为非线性时变系统，所以要先对主汽温进行辨识，提供给GA-BPNN一个学习信号；第二，基于遗传算法的BP神经网络，根据辨识系统提供的学习信号调节PID控制器的三个可调节参数kp，ki，kd，即通过神经网络的自学习、加权系数调整，使神经网络输出对应于某种最优控制规律下的PID控制器参数，其中BP神经网络采用加动量项法与变步长法结合起来的BP算法以提高收敛速度，遗传算法则采用自适应变异概率和可变的交叉概率以扩大搜索空间。第三，PID
12、控制采用经典的增量式PID控制。本文采用MATLAB语言对主汽温对象进行仿真分析，并在仿真的过程中改变被控对象的参数来说明该方法的有效性。仿真结果表明：本文所设计的基于遗传算法-BP神经网络的PID控制系统具有较好的自适应和自学习能力，即便是被控对象的参数发生较大的变化的情况下，仍能保证系统良好的动、静态特性。9.会议论文 李晔 基于遗传算法和神经网络的二级倒立摆控制系统 2006本文以二级倒立摆为对象,介绍了一种融合遗传算法的神经网络控制方法.该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想,以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具
13、有神经网络的鲁棒性和自学习能力.仿真结果证明:遗传算法和神经网络的结合,可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能.10.学位论文 吴小许 遗传算法的改进及结合神经网络在制浆过程中的应用 2005随着当前制浆造纸生产规模的不断扩大，纸机车速越来越快，生产工艺要求越来越高，对自动控制的要求也在不断提高。因此常规的控制理论及控制方法，在一定程度上已经不能满足某些制浆造纸过程中对测量及控制的要求。随着当前控制领域中智能控制算法的不断发展，神经网络算法、仿人智能控制算法、模糊控制算法、遗传算法等在过程控制中得到了越来越多的关注和重视，在实际中的应用也越来越广泛，并解决了不少常规控制算法无法
14、解决的问题，具有非常广泛的应用前景。本文在越南平安纸业年产7.5万吨白板纸制浆生产线的基础上，对制浆过程中打浆度的软测量技术进行了研究，提出了基于改进型遗传算法优化的神经网络对打浆度进行软测量及控制的方案，并在实际应用中取得了非常理想的应用效果。自从McCulloch和Pitts提出MP神经元模型以来，神经网络的研究已有50多年的历史，走过了一条曲折而不平衡的发展道路，几经兴衰。如今，神经网络研究又异军突起，进入一个新的发展时期，其应用研究几乎覆盖了所有的领域。神经网络最大的特点是它强大的函数逼近能力、泛化能力及特有的学习功能，而BP神经网络的出现又解决了神经网络无法确定其权值的缺点。其误差反
15、传算法的优越性和易实现性，使得其在实际过程中得到了非常广泛的应用。但BP算法本质上属于梯度下降训练算法，而梯度下降算法用来解决非线性优化问题有两个主要缺点：容易陷入局部极小；由于依赖于对激活函数求导数，故容易发生未成熟饱和。针对梯度算法容易陷入局部最小的不足，本文提出了改进型遗传算法对连接权值、阈值进行优化的方法。遗传算法是一种求解问题的高效并行全局搜索方法。在过去的30年中，在解决复杂的全局优化问题方面，遗传算法已取得了成功的应用，并受到了广泛的关注。本文在标准遗传算法研究的基础上，提出了遗传算法的改进型，采用了浮点编码方式、无重串的稳态繁殖、最优保留策略、自适应交叉率和自适应变异率、适应度
16、函数的重新标度、多点交叉、分布式遗传算法等改进方法。同时将BP神经网络的误差反传算法引入到遗传算法中来，在遗传算法中加入了BP算子，增加了遗传算法在随机的进化过程中全局收敛的必然性和可靠性。本文的研究的成果已经成功应用到越南平安纸业年产7.5万吨白板纸制浆生产线中的打浆度在线软测量和控制中。通过计算机仿真和实际的应用效果可以看出，本文提出的改进型遗传算法对神经网络参数进行优化的方法是切实可行的并性能优越的，其预测效果是非常明显且可靠的。本文所提出的方法在实际应用过程中有着非常广泛的推广价值。引证文献(12条)1.赵斌 基于遗传优化神经网络算法的桥梁结构损伤识别期刊论文-河南科学 2008(4)
17、2.伍华成 大跨度预应力混凝土斜拉桥状态评估系统的研究学位论文硕士 20063.胡志坚 基于AI的RC梁桥技术状态评估专家系统研究学位论文博士 20064.黄灿 公路桥梁技术状况等级评定方法的探讨学位论文硕士 20065.刘裴 基于现场PC机群的桥梁健康监测研究学位论文硕士 20066.黄方林.王学敏.陈政清.曾储惠.何旭辉 大型桥梁健康监测研究进展期刊论文-中国铁道科学 2005(2)7.左云 茅草街大桥健康监测方案以及传感器优化布置的研究学位论文硕士 20058.王金国 管道悬索跨越结构抗震能力和健康诊断研究学位论文博士 20059.朱秋红 大型桥梁健康监测自动化及安全评估的研究学位论文硕士 200510.王若林 桥梁实时在线检测与健康监测若干问题研究学位论文博士 200511.韩大建.杨炳尧.颜全胜 用人工神经网络方法评估桥梁缺损状况期刊论文-华南理工大学学报(自然科学版)2004(9)12.左云.陈明宪.赵跃宇 桥梁健康监测及传感器的优化布置期刊论文-公路 2004(4)本文链接：http:/
