悬臂板损伤数值模拟试验与WPNN识别方法

通过分析小波概率神经网络(WPNN)与数据融合技术在工程结构损伤识别中的应用原理,建立了基于小波概率神经网络和数据融合技术的模型.对悬臂板结构进行了数值模拟试验,运用损伤单元数据作为输入向量训练了WPNN与数据融合的损伤识别模型,并选取4个单元作为检验样本进行检验,检验的结果与数值试验分析吻合较好,从而表明,该方法在工程结构的损伤识别中有较好的应用价值.

悬臂板损伤数值模拟试验与WPNN识别方法研究

通过分析小波概率神经网络（WPNN）与数据融合技术在工程结构损伤识别中的应用原理，建立了基于小波概率神经网络和数据融合技术的模型。对悬臂板结构进行了数值模拟试验，运用损伤单元训练了该楼层神经网络模型，并选取4个单元作为检验样本进行检验，检验的结果与数值试验分析吻合较好，从而表明，文中方法在工程结构的损伤识别中有较好的应用价值。

基于小波概率神经网络的彩色纹理识别

提出了一种将颜色信息融入到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别.首先将RGB彩色纹理图像转化为HSV彩色模型,用小波变换(WT)进行树形结构小波分解提取彩色纹理的特征,然后使用概率神经网络对测试样本进行分类识别.实验结果证明,该方法的识别效果比较好.

基于数据融合技术的桩基承载力预测方法研究

为了能够快速并较准确的预测桩基的承载能力,达到在施工过程中减少或不做试桩的效果,以单桩为例,分析了影响竖向承载能力的量化因素及非量化因素,利用小波概率神经网络(WPNN)与数据融合技术的联想和预测功能,得出承载力和这些因素的关系。通过对钻孔灌注桩及钢筋混凝土预制桩的静载试验数据分析,选择了WPNN与数据融合技术的方法对分别对两组试验数据进行分析,建立了合理的模型进行承载力预测,60根单桩的承载力的预测值与实测值吻合较好,证明了该方法在预测桩基竖向承载能力时可以满足工程实际的需要。

基于小波概率神经网络的纹理识别

随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。

混合型智能故障诊断方法在TE过程中应用

针对工业过程数据中包含噪声和非线性的特点,提出了一种结合小波分析与概率神经网络(PNN)的故障诊断方法(WPNN方法),即利用db小波对过程原始数据进行消噪处理,然后将分解后低频系数作为输入样本送入概率神经网络完成故障诊断。将WPNN方法应用于TE过程,并与将原始数据直接送入概率神经网络作故障诊断的PNN方法进行了比较,实验结果表明WPNN方法的故障诊断的准确率明显高于PNN方法。

基于加权概率神经网络的齿轮箱抗噪故障诊断

针对齿轮箱现场故障诊断易受噪声干扰、诊断精度低的问题,提出了一种基于区分性权重概率神经网络的故障诊断方法。该方法考虑了不同子带特征受噪声的污染程度不同,提高噪声影响小的特征在诊断中的权重,降低噪声影响大的特征在诊断中的权重,以提高诊断的噪声鲁棒性,最终实现了齿轮箱故障的诊断。试验研究结果表明,与BP神经网络和概率神经网络诊断相比,该方法具有较高的诊断正确率和较强的诊断鲁棒性;并且该方法中平滑度参数对故障诊断精度影响不大,可以避免该参数选择困难的问题,具有良好的工程应用前景。

高层建筑桩基承载力预测方法及应用研究

根据长期的工程实测资料,利用高层建筑物静载实验数据对模型进行了检验,并选取了典型的样本进行了预测值的误差分析,结果表明,预测的结果和静载实验数据吻合较好,从而证实了WPNN预测方法具有较好的可靠性和工程应用价值。

基于神经网络技术的桩基承载力预测模型及其应用

根据长期的工程实测资料,在分析小波概率神经网络(WPNN)与数据融合技术在预测单桩竖向承载力中的应用原理的基础上,建立了基于小波概率神经网络和数据融合技术的预测模型。利用静载实验数据对模型进行了预测,并对预测结果进行了误差分析,结果表明,预测的结果和静载实验数据吻合较好,从而证实了WPNN预测方法具有较好的可靠性和工程应用价值。

基于小波概率神经网络的单桩竖向承载力预测模型及应用研究

分析小波概率神经网络(WPNN)与数据融合技术在预测单桩竖向承载力中的应用原理,建立基于小波概率神经网络和数据融合技术的预测模型。根据长期的工程实测资料,利用高层建筑物静载试验数据对模型进行检验,并选取典型的样本进行预测值的误差分析。结果表明,预测的结果与静载试验数据吻合较好,从而证实了WPNN预测方法具有较好的可靠性和工程应用价值。