dslcgjx2cs.m

神经网络楼层杆件识别程序

%---------单损伤楼层识别（组合指标X2)---------------
%             2009年2月19日
%
clear;
%---------控制参数---------------------------------
n5=4;                   %选择输入向量形式
%---------训练样本的形成——————————————-
ff1=xlsread('DSLCGJ',1,'C6:I10');        %读取频率训练样本
ff0=xlsread('DSLCGJ',1,'B6:B10');        %未损伤结构的频率
ss1=xlsread('DSLCGJ',1,'C17:I24');      %读取振型训练样本
ss0=xlsread('DSLCGJ',1,'B17:B24');      %未损伤结构的振型
tt=xlsread('DSLCGJ',1,'C27:I33');       %读取训练样本的目标向量
fx2=ff1+0.01*randn(5,7);
fx3=ff1+0.03*randn(5,7);
sx2=ss1+0.03*randn(8,7);
sx3=ss1+0.05*randn(8,7);
fx=[ff1,fx2,fx2,fx3];
sx=[ss1,sx2,sx3,sx3];
switch n5
    case 1
%-----------输入形式A--------------------------------
f0=ff0(1:3,:);
f1=fx(1:3,:);
s0=[ss0(2,:),ss0(3,:),ss0(6,:),ss0(7,:)]';
s1=[sx(2,:);sx(3,:);sx(6,:);sx(7,:)];
    case 2
%-----------输入形式B--------------------------------
f0=ff0(1:3,:);
f1=fx(1:3,:);
s0=ss0;
s1=sx;
    case 3
%-----------输入形式C--------------------------------
f0=ff0;
f1=fx;
s0=[ss0(2,:),ss0(3,:),ss0(6,:),ss0(7,:)]';
s1=[sx(2,:);sx(3,:);sx(6,:);sx(7,:)];
    case 4
%-----------输入形式D--------------------------------
f0=ff0;
f1=fx;
s0=ss0;
s1=sx;
end
%-----------计算样本维数-----------------------------
[n3,n1]=size(f1);
[n4,n1]=size(s1);
%-----------计算损伤组合指标--------------------------
for i=1:n1
fxc(:,i)=f0-f1(:,i); %训练样本频率差
end
for i=1:n3-1
fxcb(i,:)=fxc(i+1,:)./fxc(1,:); %训练样本频率变化比
end
for i=1:n1
fxpc(:,i)=f0.^2-f1(:,i).^2;%结构损伤前后的频率平方差（训练样本）
end
for i=1:n1
sxc(:,i)=s1(:,i)-s0;%结构损伤前后的振型差（训练样本）
end
for i=1:n4
dsx(i,:)=sxc(i,:)./fxpc(1,:);%训练样本的DS指标
end
for i=1:n4
dsxn(i,:)=dsx(i,:)./sum(dsx);%训练样本正则化的DS指标
end
%
%------------- 形成样本 -----------------------
p1=[fxcb;dsxn];
[p,min,maxp]=premnmx(p1);
t=[tt,tt,tt,tt];
%
%------------- 形成样本 -----------------------
[srsjys,n1]=size(p);
net=newff(minmax(p),[2*srsjys+1,7],{'tansig','purelin'},'traingdx');%建立网络结构
net.trainParam.goal=1e-3;
net.trainParam.epochs=20000;
net.trainParam.lr=0.01;
[net,tr]=train(net,p,t);%训练网络
y=sim(net,p)  %数值仿真结果