基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息,进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合,提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性,用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现,将BP网络和D-S证据理论相结合的综合诊断模型,可以有效地提高一些损伤模式的诊断率,具有良好

维普资讯 http://doc.guandang.net

2 7年 01月 0 0 第2卷第 1 3期

沈阳建筑大学学报 (自然科学版 )J un lo h n a gJa z uUnvri Nau a ce c) o r a fS e y n in h ies y( t rlS in e t

J n. 20 7 a 0Vo 23, No.1 1.

文章编号：6 1 0 12 0 )1 0 1 5 17—2 2 (0 7 0—0 0—0

基于 B P神经网络和 D—s证据理论的损伤识别方法姜绍飞张春梅金子巍2牛德生徐云良，,,,, 张帅1邱云飞( .阳建筑大学土木工程学院，宁沈阳 1 0 6; . 1沈辽 1 18 2中煤国际工程集团沈阳设计研究院，宁沈阳辽 101) 10 5

摘要：目的有效利用结构健康监测系统中的多源传感器数据信息，而提高复杂进结构健康状况的正确诊断率 .方法将 B P神经网络与数据融合理论中的证据理论有机融合 .出一种级数据融合损伤识别新方法 .了验证所提方法的有效性 . 提夹策为用

1栋 7自由度剪切型建筑模型的 6种损伤进行了检验 .结果研究发现， B将 P网络和 D—S证据理论相结合的综合诊断模型.以有效地提高一些损伤模式的诊断率，可具有良好的适应性 .结论笔者所提方法优于单一信息建立模型的识别能力，明它具表有较好的容错性和识别精度 .于健康监测和损伤检测是可行的、效的 .用有

关键词：结构损伤检测； P神经网络； B D—S证据理论；数据融合中图分类号： U3 7 T 1 3 T 1 .; P 7 T 1; P 8; U3 1 3 T 2 4文献标识码： A

结构的健康监测与损伤检测实际上是当今土木工程领域研究的热点，神经网络具有超强的而非线性映射和模式分类能力，因此被广泛应用于

多传感器信息资源，采用计算机技术对按时序获

得的多传感器观测信息在一定准则下加以自动分析、合、配和使用，得对被测对象的一致性综支获

健康诊断和模式识别领域 -在结构损伤检测¨.中，被检测系统的某一损伤模式往往引起多个损伤征兆 .某一损伤征兆又可以由多种损伤模式而引起；而且，尚无一种传感器能够保证在

任何时刻

解释与描述，以完成所需的决策和估计任务，系使统获得比它的各组成部分更优越的性能 .据融数

合包括信号获取、数据预处理、特征提取、合计融算和结果输出等环节，数据融合的前提是特征提

提供完全可靠的信息 .因此：要充分利用多传有必感器的数据信息进行综合诊断 .据融合技术作数为一种源于军事领域的自动化信息综合处理技术被引用到损伤检测中】: .本文提出了一种基于B P神经网络和 D—S证据理论的决策级数据融

取，键是融合算法 .关数据融合根据信息在不同信息层次上出现，从低到高分为像素级、征级和决特策级 3个层次 .决策级融合是最高层次融合，能有效地反映环境或目标各个侧面的不同类型的信息，干扰能力强、错性好、有很高的灵活性，抗容具

合损伤识别新方法， 1栋 7自由度剪切型建筑用的 6种损伤检验了所提方法的有效性 .

且系统对信息传输带要求较低 . D—S证据理论是决策级融合常采用的融合算法 . 12 B . P神经网络叫 神经网络具有归纳、结、取、忆、总抽记联想和容错性，它通过训练 (习 )获得健康结构和损伤学，

1基本理论 1 1数据融合[一] . 3

“数据融合”词出现在 2一 0世纪 7 0年代初期，称信息融合，充分利用不同时间与空间的也指

结构所具有的有关知识与信息，后将实测数据然与此信息进行模式匹配与比较；经网络具有滤神

收稿日期：0 6 8 8 2 0—0—2 基金项目：家自然科学基金项目( 0 0 0 3;宁省高等学校优秀人才支持计划 ( C一0国 5 4 8 3 )辽 R 5—1 )沈阳建筑大学省 6;级重点实验室基金项目 作者简介：绍飞 (9 9,,授，士，姜 1 6一)男教博主要从事结构健康监测和组合结构研究 .

http://doc.guandang.net