基于神經(jīng)網(wǎng)絡(luò)與數(shù)據(jù)融合的結(jié)構(gòu)損傷識別理論研究.pdf

1、測試數(shù)據(jù)不完備和測試噪聲的存在，使得系統(tǒng)辨識法及損傷指標(biāo)法在結(jié)構(gòu)損傷識別領(lǐng)域的應(yīng)用受到了限制。當(dāng)采用模式識別方法對結(jié)構(gòu)損傷識別問題進(jìn)行求解時(shí)，利用神經(jīng)網(wǎng)絡(luò)作為模式分類器可以很好地處理測試數(shù)據(jù)不完備及噪聲問題。但隨著多傳感器系統(tǒng)在大型復(fù)雜結(jié)構(gòu)上日益廣泛的應(yīng)用，如何更加有效地利用各種測試信息成為進(jìn)一步擴(kuò)大神經(jīng)網(wǎng)絡(luò)方法在結(jié)構(gòu)損傷識別領(lǐng)域中應(yīng)用的關(guān)鍵問題。 本文針對采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行結(jié)構(gòu)損傷識別過程中遇到的網(wǎng)絡(luò)輸入選取、信息利用策略和

2、復(fù)雜結(jié)構(gòu)損傷識別中的待識別位置過多問題，引入數(shù)據(jù)融合理論、證據(jù)理論、模糊積分理論、子結(jié)構(gòu)理論和聚類分析理論對以上三個(gè)問題進(jìn)行了深入研究。作者主要完成了以下幾個(gè)方面的工作。首先，對數(shù)據(jù)融合理論和神經(jīng)網(wǎng)絡(luò)理論進(jìn)行了深入研究，從理論上分別對兩種決策級融合方法和兩種網(wǎng)絡(luò)模型進(jìn)行了對比，得到了各自的特點(diǎn)和適用的條件。其次，對用于結(jié)構(gòu)損傷識別的神經(jīng)網(wǎng)絡(luò)輸入選取進(jìn)行了研究，提出了神經(jīng)網(wǎng)絡(luò)輸入選取的三個(gè)規(guī)則：網(wǎng)絡(luò)實(shí)現(xiàn)的損傷識別功能、類別可分性及考慮噪聲

3、對類別可分性的影響，利用數(shù)值算例驗(yàn)證了所提出的網(wǎng)絡(luò)輸入選取規(guī)則的有效性，對采用神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)損傷識別具有理論指導(dǎo)意義。第三，對利用神經(jīng)網(wǎng)絡(luò)采用特征級融合方式進(jìn)行結(jié)構(gòu)損傷識別時(shí)遇到的個(gè)別單元識別效果差的問題，提出了兩步識別法，通過建立子網(wǎng)絡(luò)，減少其他模式類對網(wǎng)絡(luò)權(quán)值修改的影響，數(shù)值算例的結(jié)果表明，該方法能夠有效地提高對個(gè)別單元的正確識別率。第四，對利用神經(jīng)網(wǎng)絡(luò)采用決策級融合方式進(jìn)行結(jié)構(gòu)損傷識別進(jìn)行了研究，比較了D-S證據(jù)理論與模糊積分方

4、法對決策的融合效果，數(shù)值算例的結(jié)果表明，證據(jù)理論實(shí)現(xiàn)的是“少數(shù)服從多數(shù)”的效果，并不能充分考慮各證據(jù)的可行性，而模糊積分理論則兼顧了各證據(jù)對各假設(shè)決策的客觀估計(jì)和各證據(jù)對各假設(shè)決策的重要性。第五，對采用模糊積分對神經(jīng)網(wǎng)絡(luò)識別結(jié)果進(jìn)行融合時(shí)模糊密度的計(jì)算問題進(jìn)行了研究，對當(dāng)前存在的三種計(jì)算方式進(jìn)行了比較，給出了合理的模糊密度計(jì)算方式，即按照識別結(jié)果可信性計(jì)算模糊密度。第六，對于大型復(fù)雜結(jié)構(gòu)的損傷識別問題，提出了基于聚類分析的廣義子結(jié)構(gòu)法，