基于BP神经网络的通用门式起重机金属结构安全评价

《基于BP神经网络的通用门式起重机金属结构安全评价》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第36卷第3期华宅擞术V01．36No．32014年3月HuadianTechnologyMar．2014基于BP神经网络的通用门式起重机金属结构安全评价张骞，李太周，姚俊威，赵小伟(郑州科润机电工程有限公司，郑州450015)摘要：为适应门式起重机金属结构安全评价的需求，在BP神经网络对动态系统适应性和不完全可知性的基础上，构建了通用门式起蘑机金属结构安全评价模型，提出了便于统计和赋值的结构安全评价指标体系。运用Matlab7．0软件编制的程序对网络进行训练，通过对检测样本的训练，验证了门式起重机评价模型的可行性，为通用门式起重机金属结构的安全评价提供评价依据

2、和方法。关键词：BP神经网络；通用门式起重机；金属结构；安全评价中图分类号：TV34文献标志码：A文章编号-1674—1951(2014)03—0024—050引言2通用门机结构BP网络安全评价模型与算法2．1BP网络评价模型通用门式起重机(以下简称门机)由于自身结通用门机的金属结构组成主要有主梁、支腿、端构导致的事故从未间断过，给国家建设带来了巨大梁和下横梁。从事故发生的情况看，导致事故发生的损失。因此，需要从起重机本身结构引发事故的的结构破坏和焊缝开裂发生在主梁和支腿上，因此，可能性出发，采用系统工程去分析和评价结构自身基于BP神经网络的通用门机金圈属结构安

3、全评价模或外部引发的危险因素J。目前，起重机安全评价型主要考虑主梁和支腿结构，评价模型如图1所示。方法以事故树、故障类型和层次分析法为主。从至亚互至毳曩卜_=：早金属结构设计的3S(Strength，Stiffness，Stability)准则考虑，引发结构安全的不确定因素较多，以上分析法在统计原理上简单易行，但是它们对事故分析通用门机金太过简单。基于人工神经网络(ArtificialNeuralNet—属结构安全评价知识库works)自身的适应性和非线性动态处理的特点，可(网络结构及权值)不受通用门机结构评价因素不完全可知性的限制，成因此这种方法逐渐被引入到起

4、重机安全评价领域。出换一一结一一～本文采用传统和Levenberg—Marquardt的神经图1通用门机金属结构安全评价模型网络算法建立通用门机金属结构安全评价模型，并2．2评价模型建立通过实例运算对模型进行可行性验证。2．2．1通用门机结构的安全评价指标1BP神经网络的基本原理建立恰当、准确的评价指标是安全评价的基础，对评价结果的影响较大。安全评价指标的选取应能BP神经网络是一种采用误差逆向传播训练的合理反映门机结构特征，以结构可能发生的事故为多层前向反馈神经网络，其自身学习规律是最速下目标。综合考虑影响结构的各因素，以无悬臂通用降法J，经过误差的反向传播调整

5、BP网络的权值门机结构为例，将结构的评价指标划分成一个总体和阈值。BP神经网络的拓扑结构由输入层、隐含层目标，5个一级指标，2O个二级指标。运动分级标准量理论把要评价的安全级别分为安全、比较安全、一和输出层三层网络组成。通过数值的正向传递与误般安全、不安全和极不安全。每个级别的专家评分差的反向传播，使网络逼近一个有理函数。为100～91，90～81，80～71，70～61和60～0，具体收稿日期：2013—03—26；修回日期：2013—12—15划分如图2所示。第3期张骞，等：基于BP神经网络的通用门式起重机金属结构安全评价·25·通用门机金属结构安全性强度l

6、I刚度ll拱度lI稳定性l丰梁与支腿的连接主梁I1支腿焊接ll螺栓连接点点翼横隔门②③缘板下架应应焊端焊的力力缝缝与水④主腹平疲板连惯劳性强位度移图2通用门式起重机金属结构安全评价指标体系2．2．2通用门机结构的BP网络结构点个数，=1，2，⋯，o)、隐含层的阈值(y=2)、在安全评价当中，BP网络是非线性可微分函数隐含层到输出层权值、输出层的阈值(Y：3)进行权值训练的多层网络J。网络输入层的神经赋予(一1，1)区间的任意值。其中：，为样本P第i元个数根据评价指标确定。隐含层个数由经验公式个输入层节点到个隐含层节点的权值；为隐含确定。隐含层数多会降低训练的网络

7、误差，用以提层第个节点的阈值；为样本P第个隐含层节点高安全评价结果的精度。但是隐含层过多，会导致到k个输出层节点的权值；U为输出层第个节点计算过程繁琐，训练样本的时间增加。采用三层的的阈值；阈值为网络Y层第个节点的阈值(Y为BP神经网络对连续映射的逼近能力已达到很好的神经网络层数，Y=1代表输入层，Y=2代表隐含效果。层，Y=3代表输出层)。根据图2，通用门机结构的安全指标有20个，(4)计算隐含层各节点的输入值s，和输出因此输入层神经元的节点数就为20个。评价的等值。级为5级，则输出层网络的节点数就为5个。单隐含层的节点个数用如下经验公式计算J：=∑R+U(y

8、=1)，(2)连接板上螺