基于神经网络的工程结构智能监测系统设计

郝帆

（陕西财经职业技术学院 陕西 咸阳 712000）

基于神经网络的工程结构智能监测系统设计

郝帆

（陕西财经职业技术学院 陕西 咸阳 712000）

为了研究基于神经网络的工程结构智能监测系统设计问题。关于当前混凝土工程中，研究对于其工程结构的智能监测，才可以确保工程结构质量；因此基于神经网络，优化设计工程结构智能监测系统，以便能够准确的检测出工程结构损伤的位置，准确评估出工程结构的损伤程度。结果证实，基于神经网络设计工程结构智能监测系统，大大提升系统应用性能，提升14.0%，同时，也可以确保该系统符合实际工程结构智能监测需求。结论表明，基于神经网络，优化设计工程结构智能监测系统，发挥实际应用价值，产生积极影响。

智能监测系统；工程结构；神经网络；设计

在当前工程项目构建中，混凝土作为工程结构中的主要用材，由于混凝土是一种多孔性、非均匀性以及各向异性复合的结构体系，在进行工程结构监测中内部结构复杂。同时，基于当前神经网络技术的发展，强化工程结构的智能监测系统设计工作，以便可以在今后的工程建筑中，可以运用该系统有效监测工程结构因素，提升工程结构智能监测性能，发挥重要作用。

1 浅析神经网络技术

随着当前时代技术的不断发展，神经网络技术发展应用都有着不错的前景，不仅神经网络涉及的范围在不断的扩大，神经网络的应用也渗透到各个应用领域之中[1]。在如今社会中，关于神经网络，不可以可渗透模式识别以及图像处理中，同时也可以进行非线性的数据优化，还能够在语音处理中运用神经网络技术；并且，神经网络中，还具备自然语言理解的能力，具备自动目标的识别功能，在机器人设计、专家系统知识库中均取得瞩目的成绩[2-5]。在神经网络中，主要是由简单的、大量的处理单元等组成的，具有可变权值的能力，可以通过变换权值，从而连接形成一个并行分布式的处理系统[6-9]。在神经网络之中，神经元作为其最基本的处理单元，具备多输入、单输出特性[10]，其具体设计结构如图1所示。

图1 神经元描述

Xi是神经网络之中的输入信号；wij可以表示为：从神经网络中，在第i个神经元连接其第j个神经元的权值；θj则是表示其第j神经元中的阈值。故此，在神经网络之中，设外部输入信号是sj，yj是其输出的信号，那么在神经网络模型中，可将其j个神经元描述变换为如下形式：

对于神经网络中，此处非线性函数 f（x），能够是阶跃函数，也可以使分段函数、Sigmoid型的函数，可以提升神经网络在系统设计应用中的适用性。

2 设计工程结构智能监测系统需求分析

工程结构智能监测系统设计中，基于BP神经网络技术，能够对工程施工中进行结构损伤诊断，并可得到较好的工程结构分析、监测效果[11]。与此同时，在本次系统设计中，可以采取基于神经网络中的BP神经算法，可以运用类似梯度寻优的算法策略，并为了提高系统的分析效率和适应能力，可以优化设计系统的监测算法部分，优化系统神经网络模型，提升预测效率[12-14]。基于神经网络，在该系统设计中，要符合实际用户需求，有合理的人机界面设计，并且还应该具有稳定的监测输出结果，避免工程结构智能监测不符实际，提升系统可用性。确保基于神经网络，设计工程结构的智能监测系统，以便在实际工程结构监测中，能够运用这个系统对工程中的混凝土结构进行智能的诊断，不仅能给出工程结构中的受损程度信息，也可以监测出工程中发生结构损伤的具体位置，提升系统的鲁棒性，提升监测精度，确保该系统在实际中具备应用优势。

3 设计基于神经网络的工程结构智能监测系统

3.1 系统总体结构设计

对于本次工程结构智能监测系统设计中，基于神经网络技术，系统分为三层结构设计，以人机交互、神经网络、数据存储3大部分构成系统基本设计结构。其结构如图2所示。

图2 系统结构图

基于神经网络，在本次系统设计中，其人际交互中，主要就是设计本系统中，系统监测程序与用户之间进行交互操作的人机界面部分；在系统设计中，其神经网络则是主要由推理模块、以及神经网络的算法学习模块和数据管理来共同构成的，主要就是对系统中层智能监测数据进行管理及维护；在系统的第三层也就是数据存储部分，主要可以采集工程结构智能监测数据，并可通过数据库存储，经过神经网络算法训练，以及数据记录，进行算法学习，从而将监测结果传递给知识库，再经过系统的推理模块，返回给系统人机界面中。

3.2 系统功能设计

1）系统中的算法学习功能：在该系统设计中，其神经网络可以通过对样本功能的学习，从而能够得到所需的权值分布，有效完成对于网络中新知识的获取。并且，由于在工程结构智能监测系统设计中，运用的就是 BP神经网络算法，不仅可以实现对于隐含领域知识的管理，同时也可以将系统算法知识转化到知识库之中。这样在系统中，通过反复学习样本知识，可以在此系统监测工程结构的过程中，不断的调整该系统的监测网络权值[15]，从而能够降低神经网络误差，提升系统监测结果精确度。

2）人机界面管理的功能：用户界面，它提出问题并获得结果。

3）数据库维护的功能：基于神经网络，在系统的设计中，优化其数据库的设计，在一方面不仅可以有效确保用户通过该系统有效查询到工程结构相关的数据；同时，从另一方面来看，也可以为神经网络算法提供一些更加合理、科学的学习样本，确保系统中数据符合用户可用性的需求

3.3 神经网络算法实现

对于工程结构智能监测系统设计之中，在我们运用BP算法去训练智能监测的神经网络之前，也需要去确定需求的神经网络模型，并可设计出其具体结构，之后，才可以通过学习样本，从而才能够得到与该神经网络需求的权值，可以完成对于系统中算法知识的获取[16-18]。在本次系统设计中，其神经网络对于知识的获取过程，主要可分为以下几点：

1）可以在初始之期，有效获取关于实际中进行混凝土工程结构裂缝监测的相关试验数据，并能够将其作为本次进行神经网络BP训练中的样本，以此来不断测试BP网络的样本数据；

2）经过以上步骤操作之后，就能够将得到的训练样本映射到本次系统设计的神经网络之中，得到系统初始的神经网络结构，并获得系统相关的参数信息；

3）在系统中，对训练样本知识经过BP神经网络算法学习；

4）并可根据得出的学习结果，适当的来调整系统设计神经网络的结构、参数，再经神经网络中的测试样本来进行系统测试，确保得出结果的误差达到满意数值；

5）最后，完成对系统神经网络对于知识的获取。

工程结构智能监测系统中，对于其神经网络的算法配置方面，主要分为以下4个步骤：

1）更新工程结构智能系统的配置，确定系统中的BP神经网络结构；

2）然后采集智能监测中工程的结构信息，对这些监测领域的相关知识进行训练，从而得出需求的测试样本；

3）工程结构智能监测系统中，用训练样本去训练BP神经网络；

4）最后，可以验证神经网络算法的性能，确保系统的神经网络性能可满足实际监测要求，提升该系统的设计性能。

3.4 系统软件代码实现

基于神经网络，在设计工程结构智能监测系统中，可以应用 MATLAB软件技术，从而编制出具有神经网络功能的工程结构智能系统，同时能够结合 VisualC++6.0语言程序，设计实现该系统。基于神经网络，系统设计实现过程中，其系统部分实现代码如下所示:

4 分析实际应用中系统的效益

采用BP神经网络技术，优化设计工程结构智能监测系统的测试模型，可以得到较好的网络结构与监测参数。如下是本次系统与传统工程结构监测系统性能结果比较：

表1 系统应用比较

文中所设计工程结构智能监测系统，可以运用神经网络技术，从而对工程结构进行智能的监测诊断，提升系统在实际应用中的优越性。同时，在本次设计的工程结构智能监测系统中，不仅可以有效规避在传统系统设计中神经网络算法存在的缺陷，还可提升系统的智能监测性能，与实际结果更为接近。工程结构智能监测系统设计中，神经网络识别的能力提升，利于识别工程结构损伤。基于神经网络设计工程结构智能监测系统，大大提升系统应用性能，提升14.0%，同时，也可以确保该系统符合实际工程结构智能监测需求；应用该系统确定工程结构不但速度快，而且所提供的设置参数具有良好的优化性。

5 结 论

综上所述，可知在设计工程结构智能监测系统中，基于神经网络技术，以任意精度逼近任意非线性函数，不仅可以提升系统监测性能，也可规避在工程结构监测中的随机性问题，有效确保工程结构稳定，发挥应用价值，值得在实际中推广该技术。

[1]鲁鹏.土木工程结构健康监测系统的简介[J].科教导刊：电子版（上旬）,2014（7）:124-124.

[2]朱梅.智能传感技术在土木工程结构安全监测方面的应用[J].城市建设理论研究：电子版，2013（13）：37.

[3]叶廷东，程韬波，周松斌，等.海洋水环境网络化智能监测系统的建模设计研究[J].计算机测量与控制，2014，22（6）: 1697-1699.

[4]周聪亮，陈红艳，周雪，等.基于ArcGIS Engine的土壤主要养分高光谱智能监测系统[J].农业科学与技术：英文版，2014，15（7）:1205-1208.

[5]陈昌涛，任丽静，程明，等.基于化工生产过程的有害气体智能监测系统[J].仪表技术与传感器，2011（10）:56-57，63.

[6]田仲富，王述洋，黄英来，等.基于无线传感器的嵌入式森林防火智能监测系统[J].智能系统学报，2014（6）:763-768.

[7]李家成，薛桂香.可再生能源建筑能耗智能监测系统体系结构设计[J].计算机光盘软件与应用，2014（3）:30-31，33.

[8]周杰刚，崔旭旺，王开强，等.武汉中心可变微凸支点匣套型顶升模架体系关键施工技术[J].施工技术，2013，42（19）: 12-17.

[9]唐远河，刘青松，蒙磊，等.荧光光谱智能监测水中矿物油浓度的研究[J].光谱学与光谱分析，2015（2）:424-428.

[10]陈桂强，刘思琦，张桂枝，等.基于物联网技术的高频电源智能监测系统研究[J].电源技术，2013，37（10）:1857-1858.

[11]杨文广，蒋东翔.大型风力机组远程智能监测与诊断系统的研究与开发[J].中国工程科学，2015（3）:24-29.

[12]吕朋亮，陈国顺.基于多 Agent的指控装备远程智能监测系统研究[J].计算机与数字工程，2014（11）:2069-2072.

[13]刘会勇，李伟，彭秀英，等.基于PLC的混凝土泵智能监测和控制系统[J].机械设计与制造，2011（5）:260-262.

[14]杜凤青，盛戈皞，徐剑，等.基于IEC61850的GIS智能监测信息建模及信息交互系统设计[J].电力自动化设备，2013，33（6）:163-167.

[15]张 川，邓珍荣，邓星，等.基于Chukwa的大规模日志智能监测收集方法[J].计算机工程与设计，2014，35（9）:3263-3269.

[16]耿朝阳,薛倩倩.神经网络的故障诊断方法研究[J].西安工业大学学报，2015,35(7)：527.

[17]谢川，毛永毅.基于遗传神经网络的AOA跟踪算法[J].电子科技，2014（11）：8-10.

[18]李达，陈达，江新标.基于BP神经网络从活化数据中求解1MeV等效中子注量[J].现代应用物理，2015（4）：248-253.

Engineering design of intelligent monitoring system based on neural network

HAO Fan
（Shaanxi Vocational College of Finance and Economics，Xianyang 712000，China）

In order to study the intelligent monitoring system based on the engineering design problem of neural network.On the concrete engineering study for intelligent monitoring of the engineering structure before they can ensure the quality of engineering structure；therefore based on neural network，optimization design of engineering structure of intelligent monitoring system.In order to be able to accurately detect structural damage location and accurate evaluation assessment of engineering structure damage degree.The results confirmed that the intelligent monitoring system based on neural network structure design，greatly enhance the system performance，increased by 14%，at the same time，also can ensure that the system meets the needs of practical engineering structure monitoring.The conclusion shows that based on neural network optimization，intelligent monitoring system design of engineering structure，play practical value，have a positive impact.

intelligent monitoring system；structure；neural network；design

TN99

A

1674－6236（2016）23-0112-03

2015-12-24稿件编号：201512245

郝 帆（1977—），男，陕西高陵人，工程师。研究方向:工程项目管理。