学位论文 > 优秀研究生学位论文题录展示

基于进化神经网络的可靠度分析及应用

作　者: 林峰
导　师: 邓建
学　校: 中南大学
专　业: 地下空间科学与工程
关键词: 可靠度遗传算法神经网络均匀设计 Bishop法
分类号: O183
类　型: 硕士论文
年　份: 2010年
下　载: 145次
引　用: 2次
阅　读: 论文下载

内容摘要

隐式极限状态函数问题是可靠度理论研究的热点问题。近年来基于神经网络的可靠度分析方法取得了许多研究成果。然而,尚存在两个重要缺陷没有解决,第一,传统神经网络训练算法采用误差反向传播算法,而该算法为局部收敛算法,易导致神经网络训练失败;第二,大多数学者普遍忽略了神经网络的样本设计。这些缺陷导致解决实际问题时存在困难。本文力图解决这两个缺陷,在完善理论的基础上提高理论的实际适用性和准确性。主要的研究成果如下：(1)论述了进化神经网络模型,进化神经网络模型的重要特点是,它是将遗传算法和误差反向传播算法相结合的神经网络模型。神经网络的训练算法本质上是一种优化算法,遗传算法擅长全局搜索短于局部精确搜索,传统的梯度下降算法则相反。所提进化神经网络先利用遗传算法进行训练,得到全局收敛的优良权值,然后将得到的权值作为初始权值,再利用误差反向传播算法对权值进行精确调节,较之传统的人工神经网络建模,提高了建模的稳健性和精确性。(2)提出了将实验设计中的均匀设计方法用于神经网络的样本设计的研究。样本设计十分重要。如何设计样本,一直为绝大多数的学者所忽略。本文明确讨论了这个问题,尝试将试验设计思想用于指导神经网络的样本设计,在综合分析当前国内外的研究成果的基础上,建议采用将均匀设计方法用于神经网络样本设计。(3)提出基于所提的进化神经网络的可靠度分析新方法。算例分析证明了所提方法的可行性和正确性,以及较之传统方法具有的稳健性和更强的适用性。(4)将所提的基于进化神经网络的可靠度分析方法与毕肖普法相结合,提出了一种新的边坡可靠度分析方法,并用于某露天矿边坡的可靠度分析。毕肖普法由于高效和准确,得到广泛的应用。在此基础上,与可靠度分析方法相结合,提升了其实际应用中的价值。(5)基于MATLAB平台,介绍了如何编制实现本文所提的所有方法的程序。这些程序对科研人员和工程师有一定的参考、应用价值。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-21
  1.1 可靠度理论的基本概念  9-15
    1.1.1. 结构分析中的不确定性  9-10
    1.1.2. 结构设计中的基本随机变量  10
    1.1.3. 结构的极限状态和功能函数  10-12
    1.1.4. 结构的可靠概率和失效概率  12-14
    1.1.5. 可靠指标  14
    1.1.6. 可靠指标与安全系数的关系  14-15
  1.2 隐式极限状态函数问题的研究现状与存在问题  15-19
    1.2.1 响应面法的发展现状及其存在问题  15-17
    1.2.2 基于传统神经网络的响应面法的研究现状和存在问题  17-19
  1.3 本文的创新点和主要内容  19-21
第二章基于遗传算法与神经网络的进化神经网络可靠度分析方法研究  21-55
  2.1 遗传算法理论  21-28
    2.1.1 标准遗传算法  21-22
    2.1.2 遗传算法的优势及相应特色  22-23
    2.1.3 遗传算法的设计  23-25
    2.1.4 利用遗传算法求解优化问题的算例分析  25-27
    2.1.5 遗传算法的不足及改进算法  27-28
  2.2 人工神经网络理论  28-36
    2.2.1 人工神经元模型  28-29
    2.2.2 人工神经网络模型  29-31
    2.2.3 前馈神经网络  31-32
    2.2.4 基于BP算法的多层感知器设计  32-33
    2.2.5 神经网络样本设计研究  33-36
  2.3 进化神经网络模型  36-41
    2.3.1 进化神经网络的概念  36
    2.3.2 遗传算法和神经网络的结合方式  36-38
    2.3.3 基于混合训练方法的进化神经网络  38-41
  2.4 基于进化神经网络的可靠度分析方法  41-54
    2.4.1 神经网络输出对输入的偏导数  41-43
    2.4.2 基于所提进化神经网络的可靠度分析方法  43-47
    2.4.3 算例分析  47-54
  2.5 本章总结  54-55
第三章程序设计  55-66
  3.1 MATLAB软件简介  55-56
  3.2 进化神经网络的编程实现  56-64
    3.2.1 遗传算法程序设计  56-57
    3.2.2 基于误差反向传播算法的多层感知器程序设计  57-59
    3.2.3 本文所提的进化神经网络的程序设计  59-64
    3.2.4 均匀设计成程序  64
  3.3 基于进化神经网络的可靠度分析方法的程序设计  64-65
    3.3.1 基于进化神经网络的蒙特卡罗模拟方法的程序设计  64
    3.3.2 基于进化神经网络的一次可靠度分析方法程序设计  64-65
  3.4 本章总结  65-66
第四章工程应用研究  66-79
  4.1 边坡稳定性分析方法的研究现状  66-68
    4.1.1 边坡稳定性分析方法概述  66-67
    4.1.2 神经网络在边坡可靠度分析中的研究现状  67-68
  4.2 边坡可靠度分析步骤  68-70
  4.3 某露天矿边坡工程背景  70-72
    4.3.1 问题的提出  70
    4.3.2 滑坡区自然条件及工程地质条件  70-71
    4.3.3 建立边坡模型  71-72
  4.4 Bishop法计算边坡安全系数  72-76
    4.4.1 简化Bishop法及REAME程序简介  72-73
    4.4.2 输入数据及程序输出结果  73-76
  4.5 基于进化神经网络的边坡可靠度分析  76-78
  4.6 本章总结  78-79
第五章全文总结及展望  79-82
  5.1 研究的主要结论  79-80
  5.2 进一步研究的建议  80-82
参考文献  82-88
附录均匀设计程序代码  88-91
致谢  91-92
攻读学位期间的主要研究成果  92

基于进化神经网络的可靠度分析及应用

内容摘要

全文目录

相似论文