基于LMD样本熵和RBF网络的结构损伤识别研究
王名月
缪炳荣
李旭娟
杨忠坤
1.西南交通大学牵引动力国家重点实验室,成都,6100312.西南交通大学牵引动力国家重点实验室,成都,6100313.西南交通大学牵引动力国家重点实验室,成都,6100314.西南交通大学牵引动力国家重点实验室,成都,610031
摘要：基于局部均值分解的自适应时频分析特性和样本熵的非线性量化能力,结合径向基(RBF)函数神经网络,提出一种基于LMD样本熵和径向基函数神经网络的结构损伤识别方法.首先,应用局部均值分解方法将结构振动原始信号自适应分解为若干乘积函数分量(PF分量);然后提取前3个PF分量的样本熵,实现对PF分量的特征量化;最后将分量的样本熵作为损伤特征向量,利用径向基神经网络对高速列车比例车体下底板进行识别.实验结果证明,采用该方法识别结构损伤时,结构损伤位置和损伤程度的识别精度分别为96.97％和96.25％,证明了此方法在结构损伤诊断方面的有效性和准确性.
关键词：损伤识别局部均值分解样本熵径向基函数神经网络
分类号：O346.5(固体力学)TP183(自动化基础理论)TP277(自动化技术及设备)
资助基金：国家自然科学基金(51375405)牵引动力国家重点实验室自主项目(2016TPL_T10)
论文发表日期：2018-01-01
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：6( 522-527 )
英文信息