自适应小波概率神经网络损伤识别方法

• 作者: 姜绍飞 张帅 杨晓楠
• 来源期刊: 沈阳建筑大学学报(自然科学版)
• 学科: 工学
• 关键词: 损伤识别 小波变换 能量特征 概率神经网络 噪声
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 土木工程
• 页码范围: 45-48
• 页数: 4页
• 分类号: TU318|TU393|TU315.95|TP274.2
• 字数: 3624字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-2021.2006.01.010

摘要

目的为了提高大型结构健康监测系统的监测能力与损伤诊断率,降低误报率.方法以小波变换作为动力信号处理工具,利用其可以降低噪声以及在时域-频域表征信号特征的强大能力,提取小波能量作为特征参数;以贝叶斯推理作为模式识别原理的概率神经网络(PNN)为损伤识别分类器,利用遗传算法来优化PNN模型中的圆滑参数σ,提出自适应小波概率神经网络(AWPNN)损伤识别方法.并对ASCE的基准结构模型进行损伤识别研究以验证该方法的有效性.结果研究结果表明,在噪声程度达40 %时,AWPNN的识别正确率高达98 %.结论 AWPNN具有较强的抗噪声能力和较高的损伤识别率,在结构健康监测与损伤识别领域具有很大的潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜绍飞	沈阳建筑大学土木工程学院	32	637	16.0	24.0
2	杨晓楠	同济大学结构工程与防灾研究所	8	113	6.0	8.0
3	张帅	沈阳建筑大学土木工程学院	17	140	6.0	11.0