基于概率神经网络分类器数据融合损伤检测方法.pdfVIP

第25卷第5期 　 计 算 力 学 学 报 　 Vol . 2 5 ,No . 5 2008 年 10 月 Chinese Journal of Computational Mechanics October 2008 文章编号 (2008) 基于概率神经网络分类器的数据融合损伤检测方法 姜绍飞 1 , 　张 　帅2 ( 1. 福州大学 土木工程学院 , 福州 350002 ; 2 . 沈阳建筑大学 土木学院 , 沈阳 110 168) 摘 　要 :为了有效地利用来自大型结构健康监测系统大量冗余 、互补的信息进行结构健康状况评估 ,本文从数据 融合的基本原理入手 , 将小波分析 、概率神经网络和数据融合等技术有机地结合起来 ,提出了一种 5 阶段的决 策级数据融合损伤检测新方法 , 最后用 2 个数值算例验证了方法的有效性 ,并探讨了测量噪声对损伤识别的影 响 。研究结果表明 ,所提出的方法是可行 、有效的。 关键词 :损伤检测 ; 数据融合 ; 小波能量特征 ; 特征提取 ; 概率神经网络 中图分类号 : TU 3 18 ; TU 393 ; TP2742 　　　文献标识码 :A 数据融合中心和结果输出等环节 ,其核心是融合中 1 　引　言 心 ,包括特征提取和融合计算 ;前者是融合计算的 随着建筑物使用性能的下降以及各种灾害的 前提 ,后者是数据融合的关键 ,二者直接影响到结 发生 ,对一些大型结构进行健康监测与安全评估引 构健康监测和融合决策的可靠性 。根据信息在不 起了国内外的广泛关注[ 1 ,2 ] ,而大型结构健康监测 同的信息层次上出现 ,数据融合分为数据级 、特征 系统的开发使得对这些结构的健康状况进行评价 级和决策级融合[3 ,5 ] 。数据级融合是最低的一级 , 成为可能 。然而 ,如何有效地利用这些包含冗余 、 保留了原始数据的特性 ,但计算的实时性和抗干扰 互补 、噪声的数据进行安全评估成为当前需要迫切 性较差 ;特征级融合是中级水平 ,可以实现大量数 解决的难题 。数据融合是近年发展起来的一种信 据的压缩和实时处理 ;决策级融合是最高的融合级 息综合处理技术 ,它能够充分利用不同时间与空间 别 ,能有效地反映环境或 目标各个侧面的不同类型 的信息资源 ,采用计算机技术对按时序获得的观测 的信息 ,抗干扰和容错性好 ,有很高的灵活性 。 信息在一定准则下加以自动综合 、分析和使用 , 以 22 　概率神经网络( PNN) 完成所需的决策和估计任务 ,使系统获得比它的组 PN N 是由 Sp echt [ 6] 提出的一种分类器, 它将 成部分更优越的性能[3 ] 。数据融合最早被用于军 贝叶斯规则放入神经网络之中完成贝叶斯推理 。对 事领域 ,最近在工业控制 、海洋监