作者:姜绍飞; 杨晓楠; 陈兆才; 倪一清; 高赞明复杂工程结构损伤定位概率神经网络噪声程度主组分分析
摘要:概率神经网络(PNN)以贝叶斯概率的方法描述测量数据,因而PNN在有噪声条件下的结构损伤检测方面具有巨大潜力.与此同时,PNN的网络规模随着训练样本的增加而增大,这极大地降低了网络运行速度.基于此,本文提出了基于主组分分析(PCA)的PNN损伤定位方法,分别用传统PNN(TPNN)、主组分分析PNN(PCAPNN)和自适应PNN(APNN)三种模型进行了悬索桥的损伤定位研究.研究发现,APNN的识别精度最好,PCAPNN次之,TPNN最差.但APNN需要很长的训练时间,网络规模较大;其他两个网络几乎不需要训练时间,且PCAPNN网络规模较其他两个网络减少了1/3~1/4.在低噪声情况下,PCAPNN的识别效果基本上等同于APNN.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社