矩形板结构损伤的分区域神经网络识别方法

通过引入LM优化算法,针对矩形薄板中对称结构的损伤识别问题,提 出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比 较高的问题,常会出现网络训练时收敛速度慢、网络预测精度低,并且当网络训练达到目标 误差时,输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题,利用选 取的组合输入参数,提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟 结果表明：提出的分区域识别方法对结构损伤的分区和预测是可行和有效的, 其预测精度要明显的高于只用单个网络的预测结果,并且预测子网络对损伤的位置和程度是 同步输出的,从而避免了传统分步识别理论中子网络过多的问题.