用概率神经网络进行结构损伤位置识别

在不计测量误差情况下 ,神经网络能够成功地识别损伤位置及其程度 ,但在测量噪声影响下 ,神经网络的损伤识别效果则比较差。考虑到基于多变量模式分类的概率神经网络具有处理受噪声污染的测试数据的能力 ,本文将可能的损伤位置作为模式类 ,利用概率神经网络的分类能力来识别结构的损伤位置。针对两个算例 :一个六层框架和一个两层框架进行数值模拟分析 ,并将概率神经网络与 BP网络进行了比较。结果表明 ,概率神经网络具有更好的识别效果 。

青马大桥桥板结构损伤位置识别的数值模拟

通过数值模拟研究了香港青马大桥桥板结构的损伤位置识别问题。分两阶段来识别青马大桥桥板结构的损伤位置 ,在第一阶段 ,将青马大桥桥板结构划分为许多桥板段 ,并根据部分模态分量导出了一个损伤指标 ,用于指示大概的损伤区域 (桥板段 ) ;第二阶段 ,在已知损伤桥板段后 ,采用神经网络方法来识别具体的损伤构件。数值模拟结果表明 ,采用本文提出的损伤指标、采用神经网络方法 ,分两阶段进行青马大桥桥板结构的损伤位置识别是有可能的。