基于提升小波包和神经网络的结构损伤检测

• 作者: 张利绍 李剑敏 江金寿 田莉 陈换过
• 来源期刊: 振动、测试与诊断
• 学科: 航空航天
• 关键词: 损伤检测 特征向量 提升小波包变换 特征融合 神经网络 频带能量
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 论文
• 页码范围: 116-121
• 页数: 6页
• 分类号: V214.3|V214.8
• 字数: 4985字
• 语种: 中文

摘要

提出一种提升小波包分解、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,对多个传感器采集的振动响应信号进行提升格式小波包分解,定义标准化相对能量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作为神经网络分类器的输入特征向量,实现损伤的诊断和评价.数值仿真结果表明,提升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,使诊断信息具有较高的精度和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李剑敏	浙江理工大学机械与自动控制学院	43	160	7.0	11.0
2	陈换过	浙江理工大学机械与自动控制学院	28	114	6.0	10.0
3	张利绍	浙江理工大学机械与自动控制学院	7	61	3.0	7.0
4	田莉	浙江理工大学机械与自动控制学院	5	55	3.0	5.0
5	江金寿	浙江理工大学机械与自动控制学院	1	19	1.0	1.0