基于RBF神经网络的桥梁挠度数据恢复研究  

Research of bridge deflection restoring based on RBF neural networks

作　　者：胡顺仁[1] 陈伟民[1] 章鹏[1] 符欲梅[1] 梁宗保[1] 

机构地区：[1]重庆大学光电技术及系统教育部重点实验室,重庆400044

出　　处：《仪器仪表学报》2006年第12期1605-1608,共4页Chinese Journal of Scientific Instrument

基　　金：国家科技部重大攻关(2002BA1050C);国家自然科学基金(60404014)资助项目

摘　　要：本文以桥梁挠度数据作为研究对象,对其测量点进行了关联分析,并依据RBF神经网络强大的函数逼近能力,提出了一种基于神经网络模型来恢复不可靠测量数据的方法。在仿真实验中,通过对比实验(该方法的均方误差为2E-9,线性回归法均方误差为0.697 4),证实了该方法在理论和实践上的精确性和可行性。A novel method based on correlation analysis of bridge checking points and the RBF neural networks is proposed for restoring abnormal nonlinear deflection data. Compared with conventional methods （its MSE is 0. 697 4）, the proposed approach （its MSE is2e-9） assures high accuracy and the test results accord with practice. Simulation results verify the effectiveness of the proposed method and the discussed theory.

关 键 词：挠度 关联分析 RBF神经网络 非线性逼近 数据恢复 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]