基于粗集的PNN结构损伤识别方法.pdfVIP

2 0 0 8 年 5 月 沈 阳 建 筑 大 学 学 报 ( 自 然 科 学 版 ) 　May 　2 0 0 8 第24 卷 第 3 期　 Journal of Shenyang J ianzhu University (Natural Science) Vol 24 , No 3 ( ) 文章编号 :167 1 - 202 1 2008 03 - 0357 - 05 基于粗集的 PNN 结构损伤识别方法 姜绍飞1 ,2 ,姚 　娟2 ( 1 福州大学土木工程学院 ,福建 福州 350002 ; 　2 沈阳建筑大学土木工程学院 ,辽宁 沈阳 110 168) 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. 关键词 :粗集 ;属性约简 ;损伤识别 ;概率神经网络 中图分类号 : TU 3 175 ; TP274 ; TP 183 　　　文献标识码 :A 　　　 　　随着建筑物使用性能的下降以及灾害的发 1 　粗集理论 生 ,对一些大型结构进行健康监测与安全评估引 ( ) [7 - 8 ] 起了国内外的广泛关注[ 1 - 2 ] . 而传感器技术 、测 粗集 Rough Set , R S 是 由 Z Pawlak 教 授提出的处理不确定信息的数学方法 ,无须任何 量技术以及信息技术的飞速发展 ,也使越来越多 先验信息 ,能有效地分析处理各种不完备数据 ,发 ( ) 的复杂结构健康监测 SHM 系统得到开发与应 现隐含的知识 ,揭示潜在规律. 设 X , Y ∈U , R 用[2 ] . 然而如何合理有效地利用这些多源数据进 是定义在 U 上的等价关系, 集合 X 关于 R 的下 行结构安全评估成为当前国际社会研究的难题. 近似为 : R - ( X ) = ∪{ Y ∈U/ R : Y X } , 称正 域, 记为 POS ( X) ; 上近似 : R - ( X) = ∪{ Y ∈U/ ( ) 概率神经网络 PNN 以贝叶斯概率方法描 R : Y ∩X ≠} . 集合边界区域记为 : B n d ( X ) = 述测量数据 , 已被成功地应用于悬索桥等结构的 - R ( X) - R - ( X) . 如果 B n d ( X) = , 称 X 关于