基于主组分分析的概率神经网络损伤定位研究

摘要

概率神经网络(PNN)以贝叶斯概率的方法描述测量数据,因而PNN在有噪声条件下的结构损伤检测方面具有巨大潜力。与此同时,PNN的网络规模随着训练样本的增加而增大,这极大地降低了网络运行速度。基于此,本文提出了基于主组分分析(PCA)的PNN损伤定位方法,分别用传统PNN(TPNN)、主组分分析PNN(PCAPNN)和自适应PNN(APNN)三种模型进行了悬索桥的损伤定位研究。研究发现,APNN的识别精度最好,PCAPNN次之,TPNN最差。但APNN需要很长的训练时间,网络规模较大;其他两个网络几乎不需要训练时间,且PCAPNN网络规模较其他两个网络减少了1/3～1/4。在低噪声情况下,PCAPNN的识别效果基本上等同于APNN。