基于松散型小波概率神经网络的结构损伤识别方法

扫码查看

原文链接

NETL

中文摘要：小波变换能将信号按任意时频分辨率分解到不同频段;以贝叶斯概率方法为基础的概率神经网络(PNN)有强大的模式识别能力.利用小波变换的多分辨率特点分析结构的环境振动信号,计算出不同频域内的信号小波能量特征向量作为PNN的输入向量,从而构成松散型小波概率神经网络(WPNN).WPNN具有训练一次完成、网络能保证收敛等优点.利用WPNN对基准结构模型进行了损伤识别研究,同时考虑了不同程度随机噪声的影响.识别结果表明,WPNN抗噪声能力强,识别精度高,在结构损伤识别与在线检测方面具有巨大潜力.

作者：

杨晓楠、姜绍飞、肇启才、胡伟政

展开 >

作者单位：

沈阳建筑大学土木工程学院,辽宁,沈阳,110168

沈阳龙腾压型钢板有限公司,辽宁,沈阳,110141

关键词：

小波变换结构损伤识别神经网络能量特征向量基准框架模型

主办单位：

中国土木工程学会

会议名称：

第二届全国土木工程研究生学术论坛

会议时间：

2004-11-04

会议地点：

上海

会议母体文献：

第二届全国土木工程研究生学术论坛论文集

页码：

449-453

出版时间：

2004