学位论文 > 优秀研究生学位论文题录展示
基于神经网络的结构损伤检测方法的研究
作 者: 张苗
导 师: 熊晓燕
学 校: 太原理工大学
专 业: 机械电子工程
关键词: 损伤检测 STFT PCNN 熵序列 特征提取 SOM网络
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 32次
引 用: 0次
阅 读: 论文下载
内容摘要
结构的损伤会对结构造成灾难性的后果,成为威胁现代机械不间断运行的重要因素。所以,对结构进行损伤检测已成为科学研究的热点。目前有大量地损伤检测方法已经被提出并应用于结构损伤检测领域,其中应用最为广泛的是基于振动分析的检测方法。以此为基础,本文提出了一种基于神经网络的结构损伤检测方法。由于结构在损伤时往往伴随其内部能量分布的变化,而对采集的结构信号进行短时傅立叶变换,得到的二维时-频谱图能反映出结构的能量分布。基于这点,本文提出了用短时傅立叶变换(STFT)和脉冲耦合神经网络(PCNN)相结合的方法来提取信号的特征,并将该特征信号用来训练自组织特征映射(SOM)神经网络,以便完成对结构损伤的分类和识别。本文介绍了短时傅立叶变换、PCNN、小波阈值消噪和SOM神经网络的基本原理,并重点介绍了PCNN模型在图像特征提取中的应用。文中通过用PCNN模型对三幅图像进行熵序列特征提取的例子,说明了PCNN模型对不同图像提取出的熵序列特征有其唯一性,且具有一定的抗噪性,可将其用于识别图像,进而说明了将PCNN用于提取谱图的特征和识别损伤是有理论依据的。本文给出了三种不同损伤状况的简支梁在随机白噪声激励条件下的实验步骤。对采集的加速度信号数据进行了短时傅立叶变换,用PCNN对得到的能量谱图进行了特征提取,并用经过特征信号训练过的SOM神经网络对简支梁的损伤作了分类检测,以此验证了所提方法的可行性和有效性。总体来说,本文通过理论的分析和实验的验证,成功地将短时傅立叶变换和PCNN在图像特征提取中的理论应用在了简支梁的损伤检测中,为该方法以后在实际工作中的应用提供了参考价值。
|
全文目录
摘要 3-5 ABSTRACT 5-9 第一章 绪论 9-19 1.1 引言 9 1.2 结构损伤的定义及分类 9-10 1.3 结构损伤检测方法的研究现状 10-16 1.4 本文的主要内容 16-19 第二章 简支梁振动信号的采集及预处理 19-29 2.1 引言 19 2.2 简支梁振动实验 19-23 2.2.1 实验设备 20-21 2.2.2 实验对象 21-22 2.2.3 实验台的搭建 22-23 2.2.4 实验内容及步骤 23 2.3 信号预处理 23-27 2.3.1 小波消噪原理及方法 24-25 2.3.2 实验信号的小波消噪 25-27 2.4 本章小结 27-29 第三章 短时傅立叶变换基础理论及应用 29-41 3.1 引言 29 3.2 短时傅立叶变换的概念 29-33 3.2.1 STFT的时-频分辨率 31 3.2.2 窗函数的选择和时-频分辨率的关系 31-33 3.3 离散信号的STFT 33-34 3.4 STFT的基本性质 34 3.5 MATLAB短时傅立叶变换的应用 34-39 3.5.1 STFT仿真 34-36 3.5.2 实验信号的STFT 36-39 3.6 本章小结 39-41 第四章 脉冲耦合神经网络在特征提取中的应用 41-61 4.1 引言 41-42 4.2 PCNN的神经元模型和基本理论 42-51 4.2.1 PCNN的神经元模型 42-45 4.2.2 PCNN的工作原理 45-48 4.2.3 PCNN的主要特性 48-51 4.3 PCNN在特征提取中的应用 51-59 4.3.1 PCNN特征提取方法 51-53 4.3.2 特征提取的应用 53-57 4.3.3 实验谱图的特征提取 57-59 4.4 本章小结 59-61 第五章 自组织特征映射神经网络的损伤识别 61-67 5.1 引言 61 5.2 SOM神经网络的原理 61-63 5.3 SOM网络用于损伤识别 63-66 5.4 本章小结 66-67 第六章 总结与展望 67-69 6.1 总结 67 6.2 展望 67-69 参考文献 69-73 致谢 73-75 攻读硕士学位期间发表的论文 75
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- StFT和StAP1的克隆及反义CONSTANS马铃薯植株块茎形成分析,S532
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|