基于WPNN的钢结构损伤识别

摘要：

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为：PNN输入向量集,提出了自适应小波概率神经网络(AWPNN)损伤识别方法。为了验证方法的有效性,对一钢框架的损伤进行了识别研究,并考虑了噪声的影响.研究结果表明,AWPNN抗噪声能力强,识别精度高.

关键词： 钢结构 损伤识别 损伤检测 自适应小波概率神经网络

作者: 姜绍飞 杨晓楠 张立柱

作者单位: 沈阳建筑大学土木学院,辽宁 沈阳 110168 沈阳建筑大学职业技术学院,辽宁 辽阳 11000

会议类型: 国内会议

会议名称: 中国钢结构协会钢-混凝土组合结构分会第十次年会

会议地点: 成都

会议语种:中文

页码: 561-564

在线出版日期: 2005-08-06（万方平台首次上网日期，不代表论文的发表时间）