基于支持向量機的橋梁損傷識別研究
發(fā)布時間：2021-03-28 20:05
橋梁結(jié)構(gòu)一般處在嚴酷的環(huán)境中,在運營過程中會受到暴雨,洪水,大風,降雪,溫差,凍融,地震等自然因素的影響,有時還會受到碰撞、重載乃至超限荷載的反復作用;及時的健康檢測、準確的損傷識別以及預防重大安全事故的發(fā)生是國內(nèi)外迫切需要解決的共同課題。本文主要研究了橋梁結(jié)構(gòu)損傷識別相關內(nèi)容,總結(jié)了近些年用于的橋梁損傷識別的主流方法如靜載損傷檢測,動力特性損傷檢測和信號處理損傷檢測等,并重點整理出動力特性損傷檢測中基于固有頻率、振型變化及曲率模態(tài)、柔度或剛度矩陣和頻響函數(shù)等方法的特點及適用范圍;同時梳理出支持向量機分類算法（SVC）、支持向量機回歸算法（SVR）以及核函數(shù)的相關理論。并將這些方法使用在較為全面、準確的橋梁多損傷識別中。在橋梁多損傷位置識別中,針對使用曲率模態(tài)差進行損傷識別時容易出現(xiàn)的非損傷位置數(shù)值較大的問題,提出曲率模態(tài)差變化率的概念,并將歸一化后的前兩階曲率模態(tài)差變化率組成特征向量輸入SVC中進行訓練,以臨縣黃河大橋為例進行多位置的損傷位置識別,其結(jié)果表明,在所有節(jié)點位置中,識別的準確率達到99.68%,僅有臨近損傷位置的非損傷節(jié)點出現(xiàn)部分誤判,損傷識別效果好。在橋梁多損傷位置識別...
【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】：87 頁
【學位級別】：碩士
【部分圖文】：
最優(yōu)分類超平面
含松弛因子的最優(yōu)分類超平面
線性回歸最優(yōu)超平面
【參考文獻】：
期刊論文
[1]基于曲率模態(tài)曲線變化的橋梁損傷識別[J]. 吳多,劉來君,張筱雨,劉虹延. 建筑科學與工程學報. 2018(02)
[2]一種基于頻響函數(shù)相似性的鐵路橋墩損傷識別方法[J]. 戰(zhàn)家旺,閆宇智,強偉亮,安志剛,張楠. 中國鐵道科學. 2018(02)
[3]基于子構(gòu)件曲率模態(tài)變化的橋梁損傷識別研究[J]. 吳多,劉來君,秦煜,張筱雨. 沈陽建筑大學學報(自然科學版). 2018(01)
[4]基于模型修正理論和頻響函數(shù)模式置信準則的簡支梁損傷動力評估方法[J]. 戰(zhàn)家旺,李明,盧洋,閆宇智. 土木工程學報. 2017(08)
[5]基于轉(zhuǎn)角模態(tài)和小波神經(jīng)網(wǎng)絡的連續(xù)梁損傷識別研究[J]. 王名月,繆炳榮,李旭娟,楊忠坤. 力學季刊. 2016(04)
[6]基于固有頻率的呼吸式裂紋梁損傷識別方法[J]. 劉文光,郭隆清,賀紅林,顏龍. 中國機械工程. 2017(06)
[7]張弦桁架結(jié)構(gòu)基于模態(tài)參數(shù)的損傷識別[J]. 曾濱,周臻,趙軍,許慶. 建筑結(jié)構(gòu)學報. 2016(S1)
[8]連續(xù)梁結(jié)構(gòu)損傷識別的小波神經(jīng)網(wǎng)絡方法研究[J]. 管德清,廖俊文. 中外公路. 2016(01)
[9]基于小波神經(jīng)網(wǎng)絡方法的橋梁結(jié)構(gòu)損傷識別研究[J]. 肖書敏,閆云聚,姜波瀾. 應用數(shù)學和力學. 2016(02)
[10]基于支持向量機與分層遺傳算法的斜拉橋全結(jié)構(gòu)損傷分步識別[J]. 李延強,張陽. 地震工程與工程振動. 2015(06)
博士論文
[1]橋梁結(jié)構(gòu)損傷識別的模式分類和聚類識別方法研究[D]. 劉鑫.武漢理工大學 2014
[2]基于小波分析和神經(jīng)網(wǎng)絡的結(jié)構(gòu)損傷識別研究[D]. 常虹.吉林大學 2010
[3]支持向量機方法在結(jié)構(gòu)損傷識別中的應用[D]. 張茂雨.同濟大學 2007
碩士論文
[1]基于計算智能的橋梁損傷識別方法抗噪性能研究[D]. 苑曉旭.吉林大學 2016
[2]變環(huán)境下的橋梁模態(tài)參數(shù)分析[D]. 皮少博.哈爾濱工業(yè)大學 2015
[3]多環(huán)境因素對結(jié)構(gòu)動態(tài)特性的影響研究[D]. 付光來.東南大學 2015
[4]基于FEMU和SVM的橋梁損傷識別研究[D]. 呂天德.西南交通大學 2015
[5]基于沖擊振動的位移柔度和應變?nèi)岫茸R別方法[D]. 郭雙林.東南大學 2015
[6]基于SVM動能指標的橋梁時域損傷識別[D]. 羅紅波.武漢理工大學 2014
[7]基于SVM模式識別方法的橋梁頻域損傷識別[D]. 付勝.武漢理工大學 2014
[8]基于曲率模態(tài)理論橋梁損傷的數(shù)值模擬及實驗研究[D]. 周海攀.昆明理工大學 2013
[9]基于結(jié)構(gòu)模態(tài)參數(shù)和SVM的結(jié)構(gòu)損傷識別研究[D]. 夏敬嬋.河南理工大學 2010
[10]基于支持向量機的大跨度連續(xù)剛構(gòu)橋損傷識別[D]. 王茂強.西南交通大學 2009
本文編號：3106163
【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】：87 頁
【學位級別】：碩士
【部分圖文】：
最優(yōu)分類超平面
含松弛因子的最優(yōu)分類超平面
線性回歸最優(yōu)超平面
【參考文獻】：
期刊論文
[1]基于曲率模態(tài)曲線變化的橋梁損傷識別[J]. 吳多,劉來君,張筱雨,劉虹延. 建筑科學與工程學報. 2018(02)
[2]一種基于頻響函數(shù)相似性的鐵路橋墩損傷識別方法[J]. 戰(zhàn)家旺,閆宇智,強偉亮,安志剛,張楠. 中國鐵道科學. 2018(02)
[3]基于子構(gòu)件曲率模態(tài)變化的橋梁損傷識別研究[J]. 吳多,劉來君,秦煜,張筱雨. 沈陽建筑大學學報(自然科學版). 2018(01)
[4]基于模型修正理論和頻響函數(shù)模式置信準則的簡支梁損傷動力評估方法[J]. 戰(zhàn)家旺,李明,盧洋,閆宇智. 土木工程學報. 2017(08)
[5]基于轉(zhuǎn)角模態(tài)和小波神經(jīng)網(wǎng)絡的連續(xù)梁損傷識別研究[J]. 王名月,繆炳榮,李旭娟,楊忠坤. 力學季刊. 2016(04)
[6]基于固有頻率的呼吸式裂紋梁損傷識別方法[J]. 劉文光,郭隆清,賀紅林,顏龍. 中國機械工程. 2017(06)
[7]張弦桁架結(jié)構(gòu)基于模態(tài)參數(shù)的損傷識別[J]. 曾濱,周臻,趙軍,許慶. 建筑結(jié)構(gòu)學報. 2016(S1)
[8]連續(xù)梁結(jié)構(gòu)損傷識別的小波神經(jīng)網(wǎng)絡方法研究[J]. 管德清,廖俊文. 中外公路. 2016(01)
[9]基于小波神經(jīng)網(wǎng)絡方法的橋梁結(jié)構(gòu)損傷識別研究[J]. 肖書敏,閆云聚,姜波瀾. 應用數(shù)學和力學. 2016(02)
[10]基于支持向量機與分層遺傳算法的斜拉橋全結(jié)構(gòu)損傷分步識別[J]. 李延強,張陽. 地震工程與工程振動. 2015(06)
博士論文
[1]橋梁結(jié)構(gòu)損傷識別的模式分類和聚類識別方法研究[D]. 劉鑫.武漢理工大學 2014
[2]基于小波分析和神經(jīng)網(wǎng)絡的結(jié)構(gòu)損傷識別研究[D]. 常虹.吉林大學 2010
[3]支持向量機方法在結(jié)構(gòu)損傷識別中的應用[D]. 張茂雨.同濟大學 2007
碩士論文
[1]基于計算智能的橋梁損傷識別方法抗噪性能研究[D]. 苑曉旭.吉林大學 2016
[2]變環(huán)境下的橋梁模態(tài)參數(shù)分析[D]. 皮少博.哈爾濱工業(yè)大學 2015
[3]多環(huán)境因素對結(jié)構(gòu)動態(tài)特性的影響研究[D]. 付光來.東南大學 2015
[4]基于FEMU和SVM的橋梁損傷識別研究[D]. 呂天德.西南交通大學 2015
[5]基于沖擊振動的位移柔度和應變?nèi)岫茸R別方法[D]. 郭雙林.東南大學 2015
[6]基于SVM動能指標的橋梁時域損傷識別[D]. 羅紅波.武漢理工大學 2014
[7]基于SVM模式識別方法的橋梁頻域損傷識別[D]. 付勝.武漢理工大學 2014
[8]基于曲率模態(tài)理論橋梁損傷的數(shù)值模擬及實驗研究[D]. 周海攀.昆明理工大學 2013
[9]基于結(jié)構(gòu)模態(tài)參數(shù)和SVM的結(jié)構(gòu)損傷識別研究[D]. 夏敬嬋.河南理工大學 2010
[10]基于支持向量機的大跨度連續(xù)剛構(gòu)橋損傷識別[D]. 王茂強.西南交通大學 2009
本文編號：3106163
本文鏈接：http://sikaile.net/kejilunwen/daoluqiaoliang/3106163.html
