EI、Scopus 收录
中文核心期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

矩形板结构损伤的分区域神经网络识别方法

王等明 周又和

王等明, 周又和. 矩形板结构损伤的分区域神经网络识别方法[J]. 力学学报, 2005, 37(3): 374-377. doi: 10.6052/0459-1879-2005-3-2003-261
引用本文: 王等明, 周又和. 矩形板结构损伤的分区域神经网络识别方法[J]. 力学学报, 2005, 37(3): 374-377. doi: 10.6052/0459-1879-2005-3-2003-261
Identification of damage in rectangular plates based on neural network technique with sub-regions[J]. Chinese Journal of Theoretical and Applied Mechanics, 2005, 37(3): 374-377. doi: 10.6052/0459-1879-2005-3-2003-261
Citation: Identification of damage in rectangular plates based on neural network technique with sub-regions[J]. Chinese Journal of Theoretical and Applied Mechanics, 2005, 37(3): 374-377. doi: 10.6052/0459-1879-2005-3-2003-261

矩形板结构损伤的分区域神经网络识别方法

doi: 10.6052/0459-1879-2005-3-2003-261

Identification of damage in rectangular plates based on neural network technique with sub-regions

  • 摘要: 通过引入LM优化算法,针对矩形薄板中对称结构的损伤识别问题,提出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比较高的问题,常会出现网络训练时收敛速度慢、网络预测精度低,并且当网络训练达到目标误差时,输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题,利用选取的组合输入参数,提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟结果表明:提出的分区域识别方法对结构损伤的分区和预测是可行和有效的,其预测精度要明显的高于只用单个网络的预测结果,并且预测子网络对损伤的位置和程度是同步输出的,从而避免了传统分步识别理论中子网络过多的问题.

     

  • 加载中
计量
  • 文章访问数:  2053
  • HTML全文浏览量:  49
  • PDF下载量:  843
  • 被引次数: 0
出版历程
  • 刊出日期:  2005-05-18

目录

    /

    返回文章
    返回