一种基于PSO-BP的仿生光纤智能结构载荷定位方法技术

本发明专利技术公开了一种基于PSO

【技术实现步骤摘要】
一种基于PSO
‑
BP的仿生光纤智能结构载荷定位方法


[0001]本专利技术涉及光纤定位领域，特别涉及一种基于PSO
‑
BP的仿生光纤智能结构载荷定位方法。

技术介绍

[0002]光纤具有体积小、重量轻、耐腐蚀、抗电磁干扰等优点，具有良好的传感性能，非常适合于复合材料的健康监测。此外，光纤具有较强的可塑性，适用于各种形状的复合材料构件，在航空航天领域得到了广泛的应用。用于复合材料结构健康监测的光纤传感器种类繁多，包括布拉格光栅光纤传感器、法布里
‑
珀罗
‑
帕罗(F
‑
P)光纤传感器、微弯光纤传感器等。一般情况下，光纤传感器获取的信息不能直接得到复合材料结构的健康状态或位置信息。我们需要使用相应的方法对光纤传感器信息进行处理，完成复合材料结构损伤或位置的识别。因此，本专利技术提出一种基于BP神经网络算法的仿生光纤智能结构载荷定位方法，神经网络是用于数据回归或分类的最常用模型之一。BP神经网络等神经网络虽然具有良好的非线性映射能力、自学习自适应能力、泛化能力、容错能力等优点，但也有很大的局限性，如容易局部收敛、收敛速度慢、样本依赖性强、容易过拟合等。为了克服这些缺点，通常采用遗传算法(GA)、粒子群算法(PSO)、蚁群算法(CA)等优化算法对神经网络参数进行优化。而粒子群算法是一种基于迭代的优化算法，系统初始化为一组随机解，通过迭代搜寻最优值。具有搜索速度快、效率高，算法简单。
[0003]本专利技术提出了一种基于BP神经网络算法的复合材料载荷定位方法。同时，采用粒子群算法对神经网络参数进行优化。研究结果表明，经粒子群算法优化后的BP神经网络具有更高的负载位置预测精度，具有重要的实际应用价值。

技术实现思路

[0004]针对目前在结构健康监测(SHM)领域中的复合材料结构自诊断问题，本专利技术提供了一种基于PSO
‑
BP的仿生光纤智能结构载荷定位方法，可以实现对复合材料结构载荷定位。
[0005]一种基于PSO
‑
BP的仿生光纤智能结构载荷定位方法，具体步骤如下；
[0006]第一步骤：仿生光纤智能结构制作步骤，将n
×
n的仿生光纤其中n为正整数且大于等于2正交埋入界面为矩形的玻纤增强复合材料板中，构成仿生光纤智能结构，如图1所示；
[0007]第二步骤：搭建实验系统平台步骤，系统结构如图2所示，所述搭建实验系统由光源、光耦合器、仿生光纤智能结构、光电二极管、信号处理模块和计算机构成，所述光源正对光耦合器，所述光耦合器通过仿生光纤智能结构的仿生光纤分别接对应光电二极管，各PIN硅光电二极管再经过信号处理模块对信号进行处理之后通过串口接入计算机；
[0008]第三步骤：实验系统平台工作的光纤传感器中复合材料健康状态信号采集步骤如下：
[0009]使光源出射光汇聚照射仿生光纤的一端，传感复合材料的健康状态信息；在光纤
传感器的另一端，连接光电二极管作为光电转换器，对出射光进行光电转换，并获得电信号，并通过信号放大电路通过电信号前置放大模块将电信号放大，放大后的电信号经过微处理器处理；
[0010]第四步骤：将处理后的电信号经过PSO
‑
BP神经网络模型中进行运算，运算结果给出载荷定位信息，具体步骤如下：
[0011]步骤1：利用实验系统平台采集大量的实验数据样本[(F1，F2，F3，F4)，(X，Y)]，选择其中一部分作为网络模型的训练样本，一部分作为网络模型的测试样本；
[0012]步骤2：建立BP神经网络模型结构，设置BP神经网络结构参数，其中，输入层定义为4个节点，即4根光纤的输出值(F1，F2，F3，F4)，输出层定义为2个节点即载荷位置坐标(X,Y)，隐含层节点数为6，神经网络学习率为0.0001，训练目标误差为10
‑4，并初始化BP神经网络的权值和阈值；
[0013]步骤3：将神经网络的初始权值和阈值作为粒子群PSO算法中的粒子个体，BP神经网络的测试误差为适应度函数，利用PSO算法优化BP神经网络的初始权值和阈值；
[0014]步骤4：初始化粒子速度、位置和个体和全局历史最优；
[0015]步骤5：更新粒子的速度和位置；
[0016]步骤6：计算粒子的适应度，确定个体和全局最优；
[0017]步骤7：判断粒子的适应度是否满足终止条件，若满足，则得到最优的BP神经网络权值和阈值；
[0018]步骤8：使用数据训练样本集对粒子群优化后的BP神经网络进行训练；训练结束后，得到经过PSO优化后的BP神经网络载荷定位模型；
[0019]步骤9：利用测试样本集对建立好的PSO
‑
BP神经网络进行网络模型测试，并计算该网络模型定位误差。
[0020]作为本专利技术进一步改进，所述搭建实验系统采用选用波长为632.5nm的103光源，所述光耦合器(104)选用透镜，所述光电二极管(106)采用PIN雪崩光电二级管。
[0021]本专利技术涉及一种基于PSO
‑
BP的仿生光纤智能结构载荷定位方法，它是基于粒子群(PSO)优化的BP神经网络模型(PSO
‑
BP)，涉及一种仿生光纤智能结构，所述PSO
‑
BP神经网络模型，输入层定义为4个节点即4根光纤的输出值(F1，F2，F3，F4)，输出层定义为2个节点即位置坐标(X,Y)。通过调整BP神经网络参数：隐含层节点数、神经网络学习率、训练目标误差、神经网络训练函数，以及调整优化算法的粒子群(PSO)参数：种群规模，进化次数，个体学习因子和社会学习因子，惯性权重，得到定位精度较高的PSO
‑
BP神经网络模型。所述仿生光纤智能结构是由两两相距1cm的2
×
2的正交仿生光纤埋入复合材料板中制成。与传统的光纤交叉点位置载荷定位方法相比，本专利技术所述基于PSO
‑
BP神经网络载荷定位方法，实现了复合材料结构中任意位置的载荷识别。该方法简单易实现，为复合材料的载荷、损伤定位识别提供了一种新的思路，具有重要的理论和实际应用价值。
附图说明
[0022]图1仿生光纤智能结构图；
[0023]图2仿生光纤智能实验系统图；
[0024]图3BP神经网络结构图；
[0025]图4PSO
‑
BP神经网络模型对测试样本的定位误差曲线；
[0026]图中符号说明：
[0027]101、仿生光纤；102、玻纤增强复合材料板；103、光源；104、光耦合器；105、仿生光纤智能结构；106、光电二极管；107、信号处理模块；108、串口；109、计算机；
具体实施方式
[0028]下面结合附图和具体实施方式，进一步阐明本专利技术，应理解下述具体实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。
[0029]本专利技术提供了一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PSO
‑
BP的仿生光纤智能结构载荷定位方法，具体步骤如下，其特征在于；第一步骤：仿生光纤智能结构制作步骤，将n
×
n的仿生光纤(101),其中n为正整数且大于等于2正交埋入界面为矩形的玻纤增强复合材料板(102)中，构成仿生光纤智能结构(105)；第二步骤：搭建实验系统平台步骤，所述搭建实验系统由光源(103)、光耦合器(104)、仿生光纤智能结构(105)、光电二极管(106)、信号处理模块(107)、串口(108)和计算机(109)构成，所述光源(103)正对光耦合器(104)，所述光耦合器(104)通过仿生光纤智能结构(105)的仿生光纤(101)分别接对应光电二极管(106)，各光电二极管(106)再经过信号处理模块(107)对信号进行处理之后通过串口(108)接入计算机(109)；第三步骤：实验系统平台工作的光纤传感器中复合材料健康状态信号采集步骤如下：使光源(103)出射光汇聚照射仿生光纤(101)的一端，传感复合材料的健康状态信息；在光纤传感器的另一端，连接光电二极管(106)作为光电转换器，对出射光进行光电转换，并获得电信号，并通过信号放大电路通过电信号前置放大模块将电信号放大，放大后的电信号经过微处理器处理；第四步骤：将处理后的电信号经过PSO
‑
BP神经网络模型中进行运算，运算结果给出载荷定位信息，具体步骤如下：步骤1：利用实验系统平台采集大量的实验数据样本[(F1，F2，F3，F4)，(X，Y)]，选择其中一部分...

【专利技术属性】
技术研发人员：沈令斌，田丽萍，蒋雨轩，陈缪琪，李长鹏，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：