基于曲率模态和支持向量机的结构损伤位置两步识别方法

支持向量机是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题。介绍了支持向量机分类和回归算法,将其应用于梁结构的损伤诊断中。以曲率模态参数作为损伤识别指标,提出了基于支持向量机的结构损伤位置两步识别方法:首先根据支持向量机分类算法的概率估计找到可能的损伤位置,重新构造训练样本;然后利用支持向量机回归算法计算精确的损伤位置。通过对悬臂梁仿真计算进行了验证,结果表明:支持向量机在结构损伤诊断领域中具有较好的应用前景。     

基于支持向量机的大跨度拱桥损伤识别方法研究

作为一种新兴的机器学习算法,支持向量机在损伤识别中已显示出其回归能力的优越性。将模态曲率改变率作为损伤识别特征参数,提出了基于支持向量机的大跨度拱桥损伤识别方法。首先应用模态曲率改变率进行损伤定位识别,然后重新构造训练样本,利用最小二乘支持向量机方法进行大跨度拱桥的损伤程度识别,该方法在较少的样本条件下,取得了非常接近目标值的识别效果。通过与RBF神经网络的训练结果进行对比,验证了该方法的精确性。     

支持向量区间回归模型在语音评测中的应用

提出使用支持向量机理论为输入训练集为精确数据,输出为模糊信息的情况建立区间回归模型,并用此模型对语音学习系统中的正确语音可信区间进行预测。实验数据表明新模型降低语音评测问题的工作量,具有较好的准确性。     

支持向量机及在马铃薯分级中的应用

本文针对马铃薯分级手段落后,分级精度不高的问题,研究了采用基于结构风险最小化原理的支持向量机方法对模式类的识别能力,构造了对应的SVM识别过程和算法,该方法易于实现,且能够找到模式间的最优分类超平面,泛化能力明显提高。最后采用两种核函数,将SVM用于马铃薯分级识别以提取马铃薯外部特征与马铃薯级别之间的映射关系,从而实现模糊性的识别。实验结果表明,此方法对解决马铃薯识别问题具有良好的适应性和实用性。     

组合核函数支持向量机在水中目标识别中的应用

论文研究了支持向量机核函数构成条件以及不同核函数的特性,结合水中目标识别技术特点,提出了一种组合核函数支持向量机的方法。提取了基于小波变换的舰船辐射噪声奇异性、尺度-过零、尺度-能量特征,对水中目标进行了SVM分类识别。研究表明,基于组合核函数的支持向量机分类识别效果优于单独核函数的支持向量机识别效果。     

基于支持向量机的坦克识别算法

本文提出了一种基于支持向量机的坦克识别算法。在对图像预处理之后，运用颜色和纹理信息进行分割，采用基于数学形态学的算法求得边缘像素，提取具有RST不变性的轮廓特征向量，输入支持向量机进行训练和识别。将支持向量机与传统的人工神经网络的算法进行了对比实验，实验表明基于支持向量机的坦克识别算法具有更好的性能。     

基于模糊聚类和支持向量机的损伤识别方法

将结构分区域进行分步损伤识别是目前解决复杂结构损伤识别问题的有效途径，对结构进行适当的区域划分后，就可以先找出损伤发生的可能区域，然后减小搜索范围，进行损伤的定位和损伤程度的识别。用频率和坐标模态保证准则这两种基本的动力指标，采用模糊聚类的方法划分出相似区域，然后用统计模式识别中的支持向量机进行分类。通过数值算例表明．损伤识别三步法能够在存在观测噪声的条件下对结构损伤进行定位。     

支持向量机在混合气体种类光谱识别中的应用

针对混合气体种类光谱识别中组分气体特征谱线重叠严重的问题,将支持向量机用于混合气体种类光谱识别中,提出了一种基于支持向量机二值分类识别模型的逐一混合气体种类识别方法。利用支持向量机的核函数变换,将特征谱线重叠严重的光谱在高维空间变换为线性可分后再逐一进行混合气体种类识别。在天然气气体种类识别实验中,比较了不同核函数、数据预处理、特征提取、训练样本数等条件与识别结果的关系,结果表明,方法对1%浓度以上的天然气组成气体的正确识别率大于97%,在理论和实际应用中具有重要的推广价值。     

模态试验在梁损伤诊断中的应用研究

针对位移模态参数对结构损伤欠敏感，应用应变模态试验技术诊断结构损伤位置和程度。根据模型梁试验，重点比较研究损伤对位移模态、应变模态影响规律及其灵敏程度。得出应变模态对非节点损伤非常敏感，在损伤处附近发生突变，应变值分布也有较明显改变，尤其是跨中损伤第一阶、四分之一跨损伤第三和第二阶。     

一种新型回归支持向量机的学习算法

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种具有很好泛化性能的回归方法,本文对标准支持向量机稍作改动,提出了一种新型回归支持向量机,并推导出它的对偶表达方式,随后利用一个优化定理设计了一个多变量更新学习算法,该算法能单调收敛于极值点,并具有简单的迭代方式,仿真实例说明所提出的回归支持向量机及其训练算法具有较好的学习性能.     

基于遗传算法的结构损伤诊断研究

利用试验得到的振动参数评估结构的破损情况,是当前结构工程学科十分活跃的领域。本文引入遗传算法处理振动参数,进行结构的损伤诊断。为了让遗传算法更适用于结构工程损伤诊断领域,提出了多父体变量级杂交和变量微调等新的改进策略,并运用于固端梁的损伤诊断,取得了满足工程要求的结果。在识别过程中,遗传算法用到的信息有前二阶固有频率和其相应的振型及前三阶固有频率和第一阶振型,充分说明了遗传算法可在已知信息不多的情况下找到最优解,为结构损伤诊断开辟了一条新路。     

海洋平台结构参数识别和损伤诊断技术的研究进展 第十三届全国结构工程学术会议特邀报告

本文综述了海洋平台结构模态参数识别和损伤诊断技术的发展状况,对基于动力测试的损伤诊断方法进行了归纳评价,着重分析了该技术在实际应用中困难,介绍了近年来海洋平台结构模态参数识别和损伤诊断最新研究进展。最后,讨论了海洋结构损伤诊断领域未来发展的关键问题,对该技术未来发展前景进行展望,并且提出亟待解决的难题。     

邻桩爆破引发井巷支护结构破坏的分析及防范措施

在分析邻桩爆破时岩柱、支护结构破坏类型的基础上 ,根据应力波叠加和入射空穴而散射的动应力集中原理 ,建立了圆形井巷周边切向动应力集中的力学模型。利用该模型和波函数解法 ,计算了井巷相邻侧爆破引起的周边最大应力 ,推荐了能保持岩柱稳定、围岩—支护结构抗塌、抗裂的邻桩间距。在施工中 ,根据不同桩径、围岩性质 ,采取不耦合装药、调整单响药量和岩柱宽度等措施 ,确保了工程质量和安全。     

基于结构部分结点振动响应信息的海洋平台损伤诊断研究

利用结构的前三阶频率和部分结点的响应信息构建适应度函数和目标函数,采用改进的CHC遗传算法对结构进行损伤诊断,在相同的收敛精度条件下,大大减少了遗传代数和结构分析时间,因而提高了计算速度。数值算例表明:在不同的传感器配置条件下,对固定式导管架平台的损伤诊断均具有较高的损伤定位和损伤程度估计精度。     

基于支持向量机回归爆破振动速度预测分析

运用支持向量机回归(SVMR)预测理论,对爆破振动质点振动速度进行预测,并与实测数据进行对比分析。通过与RBF神经网络、传统预测方法进行对比分析,运用支持向量机回归理论预测方法能较好地预测爆破振动速度,对研究爆破振动特征及灾害控制具有一定意义。     

基于支持向量机回归爆破振动速度预测分析

运用支持向量机回归(SVMR)预测理论,对爆破振动质点振动速度进行预测,并与实测数据进行对比分析。通过与RBF神经网络、传统预测方法进行对比分析,运用支持向量机回归理论预测方法能较好地预测爆破振动速度,对研究爆破振动特征及灾害控制具有一定意义。     

基于模态参数进行连续梁损伤诊断的数值研究

以一矩形等截面二跨梁有限元模型为研究对象,通过数值模型,利用梁损伤前后一阶振型的改变率、前四阶振型曲率的绝对差值以及两个特征参数,分别实现了连续梁的损伤诊断。     

利用模态试验参数识别结构损伤的神经网络法

利用结构位移模态试验和应变模态试验参数和神经网络方法对结构损伤定位和定量辨识问题进行了研究。为获得对结构损伤更加敏感的结构损伤识别指标,在分析现有识别指标的基础上,提出了用于神经网络方法的六种基于结构模态试验参数的损伤识别指标,并对它们进行了实例识别和比较研究。它们均能对结构的损伤进行预报,其中应变类型的损伤识别指标对结构损伤的敏感度比位移类型的损伤识别指标高。     

Benchmark模型结构两阶段损伤诊断试验分析

提出了一种基于结构振动特性的两阶段损伤诊断方法,以国际结构控制协会与美国土木工程学会(IASC-ASCE)提出的健康监测Benchmark模型结构为例,对其在力锤脉冲激励和环境激励下的试验数据进行分析,对不同的损伤模式进行了损伤定位和损伤程度的估计。结果表明,在模型误差、测量噪声、质量与刚度分布不确定性等因素的影响下,该两阶段损伤诊断方法能够取得令人满意的损伤识别结果。     

岩石爆破损伤模型实验研究

岩石中含有以孔隙、气泡、微观裂隙、节理面等形态表现出来的岩石损伤。损伤的存在无疑要对岩石的爆破破碎效果产生影响。本文在相似性分析的基础上,提出了在实验室进行岩石爆破损伤模型实验的新方法,进而对损伤以及介质强度对爆破破碎效果的影响进行了分析研究。