基于自适应概率神经网络的损伤模式识别研究 (2008年)

在传统的概率神经网络（PNN）的基础上，提出了通过Gap-Based方法初步估算平滑因子σ，并以遗传算法优化σ-参数集的自适应概率神经网络（APNN）模式分类识别方法。以桥梁健康监测委员会提出的两跨桥梁Benchmark模型为例，通过将小波包分解结构在正弦激励和交通激励载荷模型下的动力响应信号的能量特征向量作为网络的输入样本，利用APNN进行了损伤模式进行识别。结果表明，APNN不仅识别精度高和抗噪性能好，而且还能用于输入特征向量参数筛选和降维，提高学习效率和识别精度。