[发明专利]一种用于损伤识别的拉力补偿方法

权利要求书

1.一种用于损伤识别的拉力补偿方法，其特征在于，所述拉力补偿方法基于RBF神经网络，包括如下步骤：

(1)将扫频频率及拉力作为输入层，以导纳值作为输出层，与隐含层一起构成RBF神经网络；

(2)采用包含扫频频率、拉力及导纳值的样本数据对所述RBF神经网络进行训练，直到输出导纳值与相应样本数据的导纳值之间的差值在样本数据导纳值的±5％以内，结束RBF神经网络训练；

(3)将测试数据的扫频频率及拉力作为输入，采用步骤(2)训练获得的RBF神经网络，获取与所述扫频频率及拉力相应的导纳值；所述导纳值包含了外部拉力信息，补偿了拉力对导纳数据的影响；

(4)根据步骤(3)获得的导纳值，获取补偿后的RMSD损伤指标；

步骤(2)所述的RBF神经网络训练中，根据以下方法确定隐含层神经元的数量：

a、将RBF神经网络产生的均方误差所对应的输入向量作为权值向量，生成一个新的隐含层神经元；

b、以测试所得导纳值作为输入，以仿真所得的导纳值作为输出，与步骤a生成的新的隐含层神经元，构成新的RBF神经网络；

c、获取步骤b所述新的RBF神经网络的均方误差；

d、重复步骤a～c，直到RBF神经网络的均方误差达到预设均方误差，以此时的隐含层神经元数量作为RBF神经网络隐含层神经元的数量；其中，预设均方误差在5％～10％。

2.权利要求1所述的拉力补偿方法，其特征在于，步骤(2)所述的对RBF神经网络进行训练的步骤，包括如下子步骤：

(2.1)给定扫频频率、拉力和期望输出的导纳值；

(2.2)将所述扫频频率和拉力作为输入向量，经步骤(1)获得的RBF神经网络处理，获取导纳值；

(2.3)将步骤(2.2)中获取的导纳值与所述期望输出的导纳值做差，获得差值；判断所述差值是否在期望输出导纳值的±5％以内；若是，则结束训练；若否，则增加神经元，并返回步骤(2.2)。

3.如权利要求2所述的拉力补偿方法，其特征在于，在步骤(2.3)结束训练后，采用如下步骤确定RBF神经网络训练效果，具体为：

(2.4)将不同于训练样本的数据作为输入向量，用训练好的RBF神经网络进行仿真，获取仿真输出的导纳值；

(2.5)根据步骤(2.4)里仿真输出的导纳值获取RMSD值，若在各拉力工况下获得的RMSD值在5％以内波动，则进入步骤(3)；否则，返回步骤(2.1)，采用新的样本数据重新训练RBF神经网络。