用概率神经网络进行结构损伤位置识别

被引：45

作者：

王柏生

倪一清

高赞明

机构：

[1] 浙江大学土木系!杭州

[2] 香港理工大学土木工程系!香港红石勘

来源：

振动工程学报 | 2001年 / 01期

关键词：

神经网络; 概率神经网络; 结构损伤; 位置识别; 振动测试; 测量噪声;

D O I：

10.16385/j.cnki.issn.1004-4523.2001.01.011

中图分类号：

TU312.3 [];

学科分类号：

081405 ;

摘要：

在不计测量误差情况下 ,神经网络能够成功地识别损伤位置及其程度 ,但在测量噪声影响下 ,神经网络的损伤识别效果则比较差。考虑到基于多变量模式分类的概率神经网络具有处理受噪声污染的测试数据的能力 ,本文将可能的损伤位置作为模式类 ,利用概率神经网络的分类能力来识别结构的损伤位置。针对两个算例 :一个六层框架和一个两层框架进行数值模拟分析 ,并将概率神经网络与 BP网络进行了比较。结果表明 ,概率神经网络具有更好的识别效果 ,是一种很有潜力的结构损伤位置识别方法

引用

页码：64 / 68

页数：5

共 5 条

[1] 框架结构连接损伤识别神经网络输入参数的确定 [J].

王柏生 ;

倪一清 ;

高赞明 .

振动工程学报, 2000, (01) :141-146

[2] 基于神经网络的结构动力模型修改和破损诊断研究 [J].

徐宜桂 ;

史铁林 ;

杨叔子 .

振动工程学报, 1997, (01) :10-14

[3] Probabilistic neural networks for seismic damage mechanisms prediction [J].

de Stefano, A ;

Sabia, D ;

Sabia, L .

EARTHQUAKE ENGINEERING & STRUCTURAL DYNAMICS, 1999, 28 (08) :807-821

[4]

Damage identification with probabi-listic neural networks. Klenke S E,Paez TL. Proceedings of the14th Inter-national Modal Analysis Conference . 1996

[5]

Asymptotic bias correction for a probabilistic neural network for structural health monitoring. Lloyd G M,Wang M L. Structural Health Monitoring2000,Proceedings of the Second International Workshop on Structural Health Monitoring . 1999

← 1 →