資源描述:
《基于粗集與概率神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合損傷識(shí)別方法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、沈陽建筑大學(xué)碩士學(xué)位論文基于粗集與概率神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合損傷識(shí)別方法姓名:姚娟申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):結(jié)構(gòu)工程指導(dǎo)教師:姜紹飛2008-02碩士研究生學(xué)位論文摘要Ⅰ摘要隨著國(guó)民經(jīng)濟(jì)的快速發(fā)展和人民需求的提高,大型復(fù)雜結(jié)構(gòu)不斷地出現(xiàn)。大型結(jié)構(gòu)健康檢測(cè)系統(tǒng)的成功開發(fā)與應(yīng)用,使得如何有效地利用來自監(jiān)測(cè)系統(tǒng)大量冗余、互補(bǔ)的信息對(duì)結(jié)構(gòu)的健康狀況和損傷程度做出評(píng)估成為國(guó)內(nèi)外研究的熱點(diǎn)。本文將粗集和數(shù)據(jù)融合技術(shù)有機(jī)地結(jié)合起來,提出了基于粗集與概率神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合損傷識(shí)別方法,不僅可以對(duì)結(jié)構(gòu)的性能進(jìn)行監(jiān)測(cè)和檢測(cè),及時(shí)地發(fā)現(xiàn)結(jié)構(gòu)損傷情
2、況和損傷位置,對(duì)可能出現(xiàn)的災(zāi)害進(jìn)行預(yù)測(cè),評(píng)估其安全性,能夠更容易、更準(zhǔn)確地檢測(cè)到結(jié)構(gòu)的損傷與實(shí)際狀態(tài)的差別,對(duì)于開發(fā)實(shí)時(shí)、在線的健康檢測(cè)系統(tǒng)具有重要的理論和實(shí)際意義。主要的研究工作如下:(1)闡述研究結(jié)構(gòu)損傷檢測(cè)的必要性和迫切性,總結(jié)現(xiàn)有的損傷檢測(cè)方法及存在的問題,重點(diǎn)討論結(jié)構(gòu)損傷智能檢測(cè)方法的研究現(xiàn)狀。在此基礎(chǔ)上,提出了本文的研究任務(wù)--基于粗集與概率神經(jīng)網(wǎng)絡(luò)數(shù)的據(jù)融合損傷識(shí)別方法。(2)研究了特征參數(shù)的不同提取技術(shù),重點(diǎn)研究了基于頻率、振型及其變化出來的特征參數(shù)提取對(duì)于基于特征級(jí)數(shù)據(jù)融合、決策級(jí)數(shù)據(jù)融合損傷識(shí)別方法
3、的影響,并用7層鋼框架驗(yàn)證了方法的有效性。(3)針對(duì)粗集計(jì)算中連續(xù)數(shù)據(jù)的離散難題,提出了用層次聚類方法實(shí)現(xiàn)連續(xù)數(shù)據(jù)的離散問題,并分析比較了不同離散方法的結(jié)果及對(duì)屬性約簡(jiǎn)的影響。闡述現(xiàn)有的粗集屬性約簡(jiǎn)算法的原理及優(yōu)缺點(diǎn),提出了基于屬性信息熵和重要度的約簡(jiǎn)方法,通過編程實(shí)現(xiàn)損傷識(shí)別特征參數(shù)的約簡(jiǎn),并比較了不同約簡(jiǎn)算法的差異。(4)論述了粗集理論在故障檢測(cè)和損傷識(shí)別領(lǐng)域的應(yīng)用及粗集與其它智能算法結(jié)合的可行性,將粗集、數(shù)據(jù)融合和概率神經(jīng)網(wǎng)絡(luò)(Probablisticneuralnetwork,PNN)有機(jī)的結(jié)合起來,提出了一種
4、基于粗集與PNN的數(shù)據(jù)融合損傷識(shí)別新方法。并重點(diǎn)研究了連續(xù)數(shù)據(jù)的離散方法和特征屬性約簡(jiǎn)的不同方法。通過兩個(gè)數(shù)值算例在不同噪聲條件下的特征參數(shù)屬性約簡(jiǎn)和數(shù)據(jù)融合損傷識(shí)別,探討了不同屬性約簡(jiǎn)方法對(duì)損傷識(shí)別的影響,驗(yàn)證該方法的實(shí)用性和可行性。(5)對(duì)一個(gè)7層鋼框架模型進(jìn)行了實(shí)驗(yàn)研究。采集動(dòng)力響應(yīng)數(shù)據(jù),進(jìn)行樣本數(shù)據(jù)預(yù)處理和特征參數(shù)約簡(jiǎn),形成4種損傷模式的最簡(jiǎn)訓(xùn)練樣本和檢驗(yàn)樣本,構(gòu)建概率神經(jīng)網(wǎng)絡(luò)模型,進(jìn)行損傷識(shí)別,最后與沒有經(jīng)過粗集處理的PNN識(shí)別結(jié)果進(jìn)行了比較。關(guān)鍵詞:粗集;損傷識(shí)別;屬性約簡(jiǎn);特征提?。粩?shù)據(jù)融合;概率神經(jīng)網(wǎng)絡(luò)
5、;聚類分析;敏感度IIAbstract碩士研究生學(xué)位論文AbstractLargeandcomplicatedstructureshavebecomeanimportantpartinoursociety.Withthe
largestructuralhealthmonitoringsystemsuccessfullydevelopedandapplied,ithasbecometo
bethefocushowtomakefulluseoftheredundantandcomplementaryinformationa
6、ndthus
assessonstructuralhealthystatesforresearchersathomeandabroad.Inordertomakefulluseofdifferenttime-spacemulti-sensorinformationresourcesandto
obtainthecoincidencedecisionmakingandassessmenttaskfromalargestructuralhealth
monitoringsystem,roughsetanddatafusio
7、narecombinedinthisthesis,andadata-fusion
damageidentificationmethodsbasedonroughsetandprobabilisticneuralnetworkisproposed.
Thismethodnotonlycanmonitorstructuralhealthsystemhealthconditionanddetectdamage
conditionimmediately,butalsocanassessitssafetycondition.It
8、isconvenienttofindthe
differencesbetweenthedamageconditionsandrealones.Themainworksareasfollows:
(1)Itiselaboratedthenecessityandurgencyofstucturaldamagedetection,and