基于粗集的PNN结构损伤识别方法

• 作者: 姚娟 姜绍飞
• 来源期刊: 沈阳建筑大学学报（自然科学版）
• 学科: 工学
• 关键词: 粗集 属性约简 损伤识别 概率神经网络
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 土木工程
• 页码范围: 357-361
• 页数: 5页
• 分类号: TU317.5|TP274|TP183
• 字数: 3568字
• 语种: 中文

摘要

目的 为有效利用监测系统大量冗余、互补数据,对结构的工作状态展开评估.方法 运用粗集进行属性约简达到海量数据的降维工作,进而提取有效的特征参数,运用概率神经网络(PNN)良好的处理噪声等不确定信息及概率推理能力,进行推理计算和损伤识别.结果 对某12层钢筋混凝土框架不同噪声水平下的三种损伤模式进行了识别,识别精度均在85%以上,并与PNN损伤识别方法进行了比较,其识别精度高于PNN.结论 提出了一种基于粗集与PNN的结构损伤识别新方法,该方法不仅可以降低数据的空间维数.减少冗余属性和不确定性,而且可以提高损伤识别精度.

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	福州大学土木工程学院	32	637	16.0	24.0
5	姚娟	沈阳建筑大学土木工程学院	2	6	1.0	2.0