基于神经网络与特征融合的损伤诊断方法

被引：4

作者：

刘义艳 ^{[1
]}

段晨东 ^{[1
]}

巨永锋 ^{[1
]}

赵学风 ^{[2
]}

韩旻 ^{[1
]}

机构：

[1] 长安大学电子与控制工程学院

[2] 西安交通大学电气工程学院

来源：

长安大学学报(自然科学版) | 2008年 / 28卷 / 06期

关键词：

小波包分解; 频带能量; 神经网络; 特征融合; 损伤诊断;

D O I：

10.19721/j.cnki.1671-8879.2008.06.024

中图分类号：

TU317 [结构试验与检验];

学科分类号：

081304 ; 081402 ;

摘要：

为了能准确地诊断复杂结构损伤是否产生以及产生的位置和程度,提出了一种小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法。首先,用正交小波包对多个传感器采集的振动信号进行小波包分解,并计算每个频带上的相对能量;然后把这些传感器信号的小波包相对能量融合,构成神经网络分类器的输入特征向量,从而实现损伤的诊断和评价。研究结果表明:正交小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有更高的精度和可靠性,提高了诊断准确率。

引用

页码：106 / 110

页数：5