-
题名用概率神经网络进行结构损伤位置识别
被引量:52
- 1
-
-
作者
王柏生
倪一清
高赞明
-
机构
浙江大学土木系
香港理工大学土木工程系
-
出处
《振动工程学报》
EI
CSCD
北大核心
2001年第1期60-64,共5页
-
文摘
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 。
-
关键词
概率神经网络
结构损伤位置识别
振动测试
测量噪声
土木工程
-
Keywords
neural network
probabilistic neural network
structural damage localization
vibration measurement
measurement noise
-
分类号
TB535
[理学—声学]
TU312.3
[建筑科学—结构工程]
-
-
题名青马大桥桥板结构损伤位置识别的数值模拟
被引量:41
- 2
-
-
作者
王柏生
倪一清
高赞明
-
机构
浙江大学
香港理工大学
-
出处
《土木工程学报》
EI
CSCD
北大核心
2001年第3期67-73,共7页
-
文摘
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。
-
关键词
悬索桥
桥面板结构
结构损伤位置识别
神经网络
数值模拟
-
Keywords
suspension bridge,deck structrue,structural damage localization,artificial neural network
-
分类号
U448.25
[建筑科学—桥梁与隧道工程]
-