基于LMD样本熵和RBF网络的结构损伤识别研究

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

所属期刊栏目：40

分类号：O346.5;TP183;TP277(固体力学)

资助基金：国家自然科学基金项目51375405;牵引动力国家重点实验室自主项目2016TPL_T10

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：522-527