辽宁省自然科学基金(20022136)
- 作品数：5 被引量：58H指数：5
- 相关作者：姜绍飞杨晓楠刘明唐和生王远功更多>>
- 相关机构：沈阳建筑大学同济大学沈阳市建都工程建设监理有限公司更多>>
- 发文基金：辽宁省自然科学基金国家自然科学基金国家科技重大专项更多>>
- 相关领域：建筑科学自动化与计算机技术更多>>
- 自适应小波概率神经网络损伤识别方法被引量：8
- 2006年
- 目的为了提高大型结构健康监测系统的监测能力与损伤诊断率,降低误报率.方法以小波变换作为动力信号处理工具,利用其可以降低噪声以及在时域-频域表征信号特征的强大能力,提取小波能量作为特征参数;以贝叶斯推理作为模式识别原理的概率神经网络(PNN)为损伤识别分类器,利用遗传算法来优化PNN模型中的圆滑参数σ,提出自适应小波概率神经网络(AWPNN)损伤识别方法.并对AS-CE的基准结构模型进行损伤识别研究以验证该方法的有效性.结果研究结果表明,在噪声程度达40%时,AWPNN的识别正确率高达98%.结论AWPNN具有较强的抗噪声能力和较高的损伤识别率,在结构健康监测与损伤识别领域具有很大的潜力.
- 姜绍飞张帅杨晓楠
- 关键词：损伤识别小波变换概率神经网络噪声
- 基于WPNN与数据融合的损伤检测方法被引量：7
- 2005年
- 目的为了有效利用结构健康监测系统中的多源传感器数据信息,对复杂结构的健康状况进行诊断进而提高确诊率.方法利用概率神经网络(PNN)的贝叶斯推理与诊断能力及多传感器数据融合原理,将神经网络与数据融合有机结合,使两者优势互补,提出了复杂结构损伤检测技术及其在多层框架结构中损伤检测及诊断中的应用.结果提出了基于小波概率神经网络(WPNN)与数据融合的损伤检测方法.结论基于WPNN与数据融合的损伤检测方法是可行的、有效的.
- 姜绍飞付春陈仲堂盛岩
- 关键词：结构健康监测系统多传感器数据融合概率神经网络多层框架结构贝叶斯推理确诊率
- 基于WPNN的钢结构损伤识别
- 随着国民经济的高速发展,钢结构建筑物在我国的应用日渐增多,由于自然灾害及建筑材料性能的退化等原因,使得对这些建筑物的健康状况进行监测、评估显得尤为重要.本文以小波分析与概率神经网络 （PNN）为工具,以小波能量特征向量作...
- 姜绍飞杨晓楠张立柱
- 关键词：小波分析钢结构
- 文献传递
- 小波函数的选择对结构损伤识别的影响被引量：12
- 2005年
- 目的为了寻找出结构损伤识别中的最优小波函数,进而提高结构损伤的识别精度.方法选取了几种常用的小波函数,运用小波分析提取能量特征,采用小波概率神经网络方法,对四层钢框架进行了损伤识别及小波函数对损伤识别影响的对比研究.结果经过比较,发现采用函数曲线圆滑的Mexican cat小波函数识别精度可达100%,识别效果最好.结论在结构损伤识别领域,选用非正交、正则性好、消失矩阶数大的小波函数具有一定的优势.
- 杨晓楠姜绍飞唐和生陈镕王远功
- 关键词：小波函数结构损伤识别小波概率神经网络钢框架
- 结构健康监测中的数据融合技术被引量：26
- 2005年
- 目的为了充分利用大型结构健康监测系统中来自不同时间与空间的多传感器信息资源,获得被测对象的一致性决策和估计任务,进而提高确诊率.方法从多传感器数据融合的概念、基本原理出发,探讨了数据融合技术在结构健康监测与诊断中应用的可行性,重点研究了基于人工智能的数据融合技术在结构健康监测及诊断中的应用方法.结果提出了小波概率神经网络数据融合损伤检测技术及其在结构损伤检测中的应用.结论基于多传感器数据融合的健康监测与诊断是可行的、有效的.
- 姜绍飞王留生殷晓志刘明
- 关键词：建筑结构健康监测多传感器数据融合神经网络
- 基于能量特征的小波概率神经网络损伤识别方法被引量：11
- 2005年
- 以小波能量特征向量作为概率神经网络(PNN)的输入向量集,提出了小波概率神经网络(WPNN)的损伤识别方法.为了验证该方法的有效性,对钢框架进行了损伤识别研究,并考虑了随机噪声的影响.识别结果表明:WPNN抗噪声能力强,识别精度高,在结构损伤识别与在线检测方面具有潜力.
- 杨晓楠姜绍飞王金鱼
- 关键词：多小波变换结构损伤识别小波概率神经网络
