[发明专利]一种用于损伤识别的拉力补偿方法

摘要

本发明公开了一种用于损伤识别的拉力补偿方法，包括以下步骤(1)将扫频频率及不同的受力状态作为输入层，导纳信息作为输出层，形成RBF神经网络结构；(2)采用包含频率、拉力及导纳的样本数据对该RBF神经网络进行训练；(3)将训练完成后的测试数据的频率及拉力作为输入，通过仿真输出相应的导纳数据，并对实测的导纳数据与仿真所得的导纳数据进行对比，根据RMSD损伤指标衡量补偿的效果；补偿外部拉力对导纳数据的影响；该方法通过一个无损受拉钢梁试验和一个有损受拉钢梁得到验证；通过本发明提供的方法，消除了结构所受拉力对EMI技术损伤识别的影响，具有很好的实用性。

主权项

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％。