论文部分内容阅读
将神经网络作为模式分类器用以解决结构损伤识别问题具有很多优点。但对测试特征较多的复杂结构采用特征级融合方式求解时,会导致网络规模过大、训练困难或无法收敛。此时若采用决策级数据融合方去将各初步识别结果进行融合,再得到最终的损伤识别结果,则不仅能简化网络结构,降低对单个网络识别精度的要求,而且具有更强的抗噪声性能。采用模糊积分作为决策级融合的多证据合成器,利用桁架结构的数值算例,验证了基于BP网络与模糊积分的决策级融合方法在结构损伤识别中的有效性。