《表4 不同噪声水平下的投票检测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于小波包变换和Replicator Neural Network的单位置结构损伤检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图11给出了在9 db噪声的干扰下，第二个传感器对应的RNN的检测结果。由图11可以看出，第一类错误数量受到噪声影响的较小，其数量并没有因为噪声的存在而增加。对于案例2和案例3，由于噪声的存在，第二类错误数量大大增加。但是随着损伤程度的增加，第二类错误数量受到噪声的影响又较小。表4列出了各个噪声水平下的每个案例投票结果的错误判断的样本数量。可以看出，总体上随着噪声水平的增加，第一类错误与第二类错误出现的数量也在增加。但是在有噪声的干扰下，大部分样本都能够正确检测出结构的健康状态，说明该方法具有较好的鲁棒性。