基于歸納學習的結構損傷識別方法研究

饒文碧　談懷江?。拢希樱簦颍铮怼。龋澹睿颍椋?/p>

摘要：采用歸納學習方法來識別結構損傷．首先，通過對經典的決策樹算法和序列覆蓋算法進行結合與改進，得到一種高效且代價又小的歸納學習算法(趾C)，同時引入裝袋算法產生多個分類法，并用它們進行類預測，而且使用選票策略得出最佳類預測．其次，用正交最小二乘迭代算法作為徑向基函數(RBF)神經網絡的學習方法，通過“信息—貢獻”準則進行正交變換來優選中心．最后，對上述歸納學習方法用于梁結構損傷定位的效果進行了實驗評估．結果表明，對于RAC算法和生成分類法的數目分別為10和50情況下的裝袋算法，當損傷樣本被噪聲污染程度在100％時，識別精度均可達到90％以上，而對于RBF神經網絡算法，只；有當損傷樣本被噪聲污染程度小于70％時，識別精度才可達到90％以上．

關鍵詞：結構損傷識別；規則歸納學習；裝袋學習算法；神經網絡

中圖分類號：TP339文獻標識碼：A文章編號：0253—987X(2005)02—0142—04