计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2007年
3期
86-89
,共4页
频响函数%神经网络%故障识别%算法
頻響函數%神經網絡%故障識彆%算法
빈향함수%신경망락%고장식별%산법
研究将实测结构频率响应函数作为反向传递人工神经网络的输入数据,用来进行结构健康检测.一般情况下,把频率响应函数应用到人工神经网络的困难在于需要压缩频率响应函数的庞大数据,因为直接使用全部的频率响应函数数据使得神经网络具有大量的输入节点,从而导致网络训练收敛和计算效率方面的困难.仅仅使用部分频率响应数据,或不合适的频率窗数据点选择会引起重要信息的损失.为解决上述困难,用FORTRAN语言编写了一个简化的BP神经网络程序,把某结构的频率响应函数作为网络的输入参量.每个实测频率响应函数具有8192个数据点,神经网络采用8192-8-4结构,网络训练获得了较快的收敛速度.经过训练的网络成功识别了某结构的四种不同状态,识别误差小于10%.
研究將實測結構頻率響應函數作為反嚮傳遞人工神經網絡的輸入數據,用來進行結構健康檢測.一般情況下,把頻率響應函數應用到人工神經網絡的睏難在于需要壓縮頻率響應函數的龐大數據,因為直接使用全部的頻率響應函數數據使得神經網絡具有大量的輸入節點,從而導緻網絡訓練收斂和計算效率方麵的睏難.僅僅使用部分頻率響應數據,或不閤適的頻率窗數據點選擇會引起重要信息的損失.為解決上述睏難,用FORTRAN語言編寫瞭一箇簡化的BP神經網絡程序,把某結構的頻率響應函數作為網絡的輸入參量.每箇實測頻率響應函數具有8192箇數據點,神經網絡採用8192-8-4結構,網絡訓練穫得瞭較快的收斂速度.經過訓練的網絡成功識彆瞭某結構的四種不同狀態,識彆誤差小于10%.
연구장실측결구빈솔향응함수작위반향전체인공신경망락적수입수거,용래진행결구건강검측.일반정황하,파빈솔향응함수응용도인공신경망락적곤난재우수요압축빈솔향응함수적방대수거,인위직접사용전부적빈솔향응함수수거사득신경망락구유대량적수입절점,종이도치망락훈련수렴화계산효솔방면적곤난.부부사용부분빈솔향응수거,혹불합괄적빈솔창수거점선택회인기중요신식적손실.위해결상술곤난,용FORTRAN어언편사료일개간화적BP신경망락정서,파모결구적빈솔향응함수작위망락적수입삼량.매개실측빈솔향응함수구유8192개수거점,신경망락채용8192-8-4결구,망락훈련획득료교쾌적수렴속도.경과훈련적망락성공식별료모결구적사충불동상태,식별오차소우10%.
