基于归纳学习的结构损伤识别方法研究

饶文碧　谈怀江　ＢＯＳｔｒｏｍ　Ｈｅｎｒｉｋ

摘要：采用归纳学习方法来识别结构损伤．首先，通过对经典的决策树算法和序列覆盖算法进行结合与改进，得到一种高效且代价又小的归纳学习算法(趾C)，同时引入装袋算法产生多个分类法，并用它们进行类预测，而且使用选票策略得出最佳类预测．其次，用正交最小二乘迭代算法作为径向基函数(RBF)神经网络的学习方法，通过“信息—贡献”准则进行正交变换来优选中心．最后，对上述归纳学习方法用于梁结构损伤定位的效果进行了实验评估．结果表明，对于RAC算法和生成分类法的数目分别为10和50情况下的装袋算法，当损伤样本被噪声污染程度在100％时，识别精度均可达到90％以上，而对于RBF神经网络算法，只；有当损伤样本被噪声污染程度小于70％时，识别精度才可达到90％以上．

关键词：结构损伤识别；规则归纳学习；装袋学习算法；神经网络

中图分类号：TP339文献标识码：A文章编号：0253—987X(2005)02—0142—04