1 / 5
文档名称:

归纳学习方法在结构损伤识别中的比较研究.doc

格式:doc   大小:17KB   页数:5页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

文档介绍:归纳学习方法在构造损伤识别中的比拟研究
  摘要构造损伤识别是一个热门的研究课题。一些归纳学习方法已经被使用来解决这个问题。在这篇文章中,采用分治法〔DA〕、变治法〔SA〕、装袋学习算法〔Bagging〕、径向基神经网络〔RBFNN〕四种sallersubinstanesP1,P2,…,Pk;
  fr(i=1,i=k,i++)
  yi=divide-and-nquer(Pi);
  returnerge(y1,…,yk);
  }
  其中,|P|表示问题P的规模。n0为一阈值,表示当问题P的规模不超过n0时,问题已容易解出,不必再继续分解。adh(P)是该分治法中的根本子算法,用于直接解小规模的问题P。当P的规模不超过n0时,直接用算法adh(P)求解。算法erge(y1,…,yk)是该分治法中的合并子算法,用于将P的子问题P1,P2,…,Pk的解y1,…,yk合并为P的解。
  2.2变治法〔Separate-and-nquer〕
  变治法〔Separate-and-nquer〕也叫做序列覆盖算法〔sequentialvering〕,它的学习策略为:学习一个规那么,移去由其学到的规那么覆盖的正例,然后在剩余的训练样例上执行,学习第二个规那么,再重复这一过程,直到最后学习到析取规那么集[2]。该算法可以描绘如下[4]:
  2.3装袋〔Bagging〕学习算法
  装袋〔Bagging〕学习算法的根本思想是:(1)给定一个弱学习算法,和一个训练集;(2)单个弱学习算法准确率不高;(3)将该学习算法使用屡次,得出预测函数序列,进展投票;(4)最后结果准确率将得到进步.
  图1装袋过程
  2.4径向基神经网络〔RBFNN〕
  RBF神经网络是一种特殊的三层前向网络,它具有非线性可分的形式空间映射到线性可分状态空间的特性。RBF网络构造包括一个输入层、一个隐层和一个输出层,输入层和隐层直接连接,隐层单元的作用相当于对输入形式进展一次变换,将低维的形式输入数据变换到高维空间内,以利于分类识别,隐单元的这种变换作用也可以看作是对输入数据进展特征提龋各隐层节点都采用一样的径向基函数,径向基函数有多种形式,一般取高斯函数,它是一种
  局部分布的且对中心点径向对称衰减的非负非线性函数[5]。整个RBF神经网络可用公式描绘为
  (1)
  式中:X=〔x1,x2,…,xn〕T∈Rn为输入向量;yi为第i个输出单元的输出值;ij为第i个RBF隐神经元到第j个输出单元的权值;‖·‖为欧氏范数;φ(·)为高斯基函数;j∈Rn(1≤j≤n)为RBF的中心,n为中心的个数;β为分布常数。
  3实验评估
  3.1构造损伤样本的产生
  本人选用如下列图所示的混凝土悬臂梁为例,设梁长1,面宽b=0.01,高h=0.01,弹性模量E=206.8GPa,质量密度D=7830kg/3,泊松比γ=0.33,。用ANSYS软件对悬臂梁进展有限元建模,其模型如图2所示,共10个单元,11个节点。以悬臂梁刚度损失〔Ei下降〕的百分比定义为损伤程度。分别计算出悬臂梁无损伤、1至10单元弹性模量损伤量为5%,10%,15%,20%,25%,30%,35%,40%,45%,50%,55%,60%,65%,70%时的前5阶固有频率,产生140种

分享好友

预览全文

归纳学习方法在结构损伤识别中的比较研究.doc

上传人:凹凸漫 2022/7/3 文件大小:17 KB

下载得到文件列表

归纳学习方法在结构损伤识别中的比较研究.doc

相关文档