基于松散型小波概率神经网络的结构损伤识别方法.pdfVIP

第二届全国土木工程研究生学术论坛论文集 2004·中国·上海 基于松散型小波概率神经网络的结构损伤识 别方法 杨晓楠1，姜绍飞1，肇启才2，胡伟政1 (1．沈阳建筑大学土木工程学院，辽宁沈阳，11 0168；2．沈阳龙腾压型钢板有限公司， 辽宁沈阳， 110141) 【摘要】小波变换能将信号按任意时频分辨率分解到不同频段；以贝nt。斯概率方法为基础的概率神经网络(PNN)有强 大的模式识别能力．利用小波变换的多分辨率特点分析结构的环境振动信号，计算出不同频域内的信号小波能量 特征向量作为PNN的输入向量，从而构成松散型小波概率神经网络(WPNN)．WPNN具有训练一次完成、网络能保证收 敛等优点．利用WPNN对基准结构模型进行了损伤识别研究，同时考虑了不同程度随机噪声的影响．识别结果表 明，WPNN抗噪声能力强，识别精度高，在结构损伤识别‘j谯线检测方面具有H火潜力． 【关键词】小波变换；结构损伤识别；小波概率神经网络：能量特征向量： 基准框架模型． StructuralIdentificationMethodsbasedon Wavelet Damage Incompact Probabilistic NeuralNetwork Shao．fei‘，Zhao YangXiao．nanl，Jiang Qi．cai2，HuWei．zhen91 ofCivil JianZhu l (1．SchoolEngineering，ShenyangUniversity,Shenyang 10168；2．ShenyangLongTeng l1 014 Shapedsteel．plateCo．，Ltd．Shenyang1) Abstract canbe in different domainswithrandom Signal decomposed frequency time．frequency resolutionswaveletn．ansformation．Theneural on byusing probabilisticnetwork(PNN)basedBayesian shows of thes仃ucturalambientvibration probabilisticapproachgreatabilitypaUemrecognition．Analyzing thewavelettransformationandthen thewavelet featurevectorsof signalbyusing calculating energy signal indifferent newwavelet neural is in frequencydomains，a probabilisticnetwork(Wn州)modelproposed the WPNNhasmeritsof and identificalionofthe paper．The one．passlearningconvergence．Damage