基于遺傳BP神經網絡反演楔體參數的研究

張雨，賈靜，韓慶邦，姜學平，單鳴雷，朱昌平

?

基于遺傳BP神經網絡反演楔體參數的研究

張雨，賈靜，韓慶邦，姜學平，單鳴雷，朱昌平

(河海大學物聯網工程學院，江蘇常州213022)

為了獲得未知楔體的參數，建立了遺傳算法和反向傳播(Back Propagation，BP)神經網絡結合的反演模型。仿真得到不同角度、密度、楊氏模量下楔體導波的頻散曲線。采用反對稱第一階模態相速度數據作為遺傳BP神經網絡反演模型的輸入變量；利用遺傳算法改進BP神經網絡獲得優化的初始權值和閾值，并對BP神經網絡進行訓練；最后將實測的楔體一階模態相速度代入訓練好的網絡進行參數反演。結果表明，通過該反演模型可同時反演出楔體的角度、密度、楊氏模量，并且較單一BP神經網絡具有收斂速度快、精度高的優點。

反演；楔體導波；頻散；BP神經網絡；遺傳算法

0 引 言

楔形零件在生產和生活中十分常見，例如斜面墊塊、斜面壓塊、金屬楔子等。圖1為簡化的楔體模型。由于外部壓力和使用環境濕度、溫度的變化，楔體的尖端會產生磨損，引起楔尖角度的變化，楔體的銹蝕也會對楔體零件的質量產生影響。確定楔形零件的角度以及材料參數，及時更換相同型號的楔體零件對于保障工業生產的安全具有十分重要的意義。

楔體彈性導波，簡稱楔波，是由Lagasse等[1]通過數值模擬發現的沿著楔體頂端傳播的導波。楔波的傳播方向如圖1所示，在理想的無限尖的楔體中，楔波主要以對稱模態和反對稱模態存在。……