建筑科学
建築科學
건축과학
BUILDING SCIENCE
2013年
9期
48-52
,共5页
GRNN神经网络%分步识别法%组合损伤指标%模态应变能
GRNN神經網絡%分步識彆法%組閤損傷指標%模態應變能
GRNN신경망락%분보식별법%조합손상지표%모태응변능
GRNN%two-step identification%combined damage index%modal strain energy
损伤识别方法是结构健康监测系统的重要组成部分.基于广义回归神经网络(GRNN)模型,建立了结构损伤识别的两步法,构造了用于损伤定位和损伤定量的不同损伤识别组合损伤指标,并引入模态应变能系数选择节点,最后,结合典型桁架结构进行了损伤识别数值模拟研究.结果表明,即使在只获得低阶频率和少量节点一阶振型数据且含有噪声的情况下,采用构造的组合参数,GRNN神经网络对损伤位置及损伤程度识别都取得了比较理想的识别效果.
損傷識彆方法是結構健康鑑測繫統的重要組成部分.基于廣義迴歸神經網絡(GRNN)模型,建立瞭結構損傷識彆的兩步法,構造瞭用于損傷定位和損傷定量的不同損傷識彆組閤損傷指標,併引入模態應變能繫數選擇節點,最後,結閤典型桁架結構進行瞭損傷識彆數值模擬研究.結果錶明,即使在隻穫得低階頻率和少量節點一階振型數據且含有譟聲的情況下,採用構造的組閤參數,GRNN神經網絡對損傷位置及損傷程度識彆都取得瞭比較理想的識彆效果.
손상식별방법시결구건강감측계통적중요조성부분.기우엄의회귀신경망락(GRNN)모형,건립료결구손상식별적량보법,구조료용우손상정위화손상정량적불동손상식별조합손상지표,병인입모태응변능계수선택절점,최후,결합전형항가결구진행료손상식별수치모의연구.결과표명,즉사재지획득저계빈솔화소량절점일계진형수거차함유조성적정황하,채용구조적조합삼수,GRNN신경망락대손상위치급손상정도식별도취득료비교이상적식별효과.