基于神经网络的壳体结构损伤诊断研究
罗跃纲1
曾海泉2
闻邦椿3
1.沈阳工业大学建筑工程系,沈阳,110023;东北大学机械工程与自动化学院,沈阳,1100062.东北大学机械工程与自动化学院,沈阳,110006;沈阳化工学院化机系,沈阳,1100213.东北大学机械工程与自动化学院,沈阳,110006
摘要：神经网络输入参数的选择将直接影响工程结构损伤识别的精度和准确性.本文提出以反映结构损伤位置和程度的固有频率与频率下降率的组合作为神经网络输入的特征参数,以增加对损伤程度敏感的参数项,克服单独使用某种参数的缺陷.针对使用BP算法的多层感知器中存在的网络学习收敛速度慢,容易陷入局部极小点等问题,采用一个改进算法.并以门座起重机筒形支柱--圆柱壳结构损伤为例,进行计算分析,从中可以看出,采用此组合特征参数和改进算法提高了诊断的精度,加快了网络收敛的速度.
关键词：特征参数改进BP算法损伤诊断频率下降率
分类号：TP277(自动化技术及设备)TP183(自动化基础理论)
论文发表日期：2002-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：4( 212-215 )
英文信息