桥梁结构损伤识别简介VIP免费

目录损伤识别特点1所采用过的识别方法2基于统计学习理论的模式识别方法3损伤识别特点损伤识别土木结构损伤识别主要是针对具体的土木工程结构，利用各种监测到的结构整体响应数据（位移、应变、内力、加速度等），结合信号处理、人工智能、数理统计、随机过程等相关学科的知识，对结构有无损伤、损伤的类型、严重性、位置和程度等进行合理评判。损伤识别特点状态损伤多样性刚度降低、质量改变、边界条件的改变损伤状态与荷载的相关性振动分析模型复杂模型参数有误差所采用过的识别方法优化识别法iEI1确定优化变量2计算理论位移值3建立最优化数学模型截面刚度变化K表示结构的刚度，是优化变量的函数iEI1aΔKFiEI21min()nmaiiis.t.btiii所采用过的识别方法优化识别法•思路简单，求解复杂•极易陷入局部极小值•对噪声敏感•原因：复杂问题简单化所采用过的识别方法损伤指标法•从结构动力响应数据中提取能够表征结构损伤状态的指标，通过直接观察该指标，对结构状态进行判别。•FFT•小波变换•HHT•AMRA所采用过的识别方法损伤指标法•思路简单，求解简单•功能有限•易受噪声干扰•原因：复杂问题过于简单化所采用过的识别方法模式识别方法•模式识别是根据相似程度将某一具体事物正确地归入某一类别。所采用过的识别方法模式识别方法ClassicalMethods•Bayesianclassifiers•K-nearestneighborrulesStatisticalLearningTheory•Supportvector•Networkclassifiers所采用过的识别方法模式识别方法•思路复杂，求解复杂；•考虑了随机因素，易得与实际相符的结果；•经典模式识别方法将损伤识别问题简化为几个参数的估计问题，在求解复杂识别问题时仍具有一定难度；•基于统计学习理论的方法是一种非参数估计方法，它求解高维复杂问题的途径是构造一个近似函数，以提供最佳的预测结果，而并非直接对问题本身进行分析；•与人工神经网络方法相比，支持向量机解决了局部极小值、收敛速度慢等问题，更适合于求解复杂模式识别问题。基于统计学习理论的模式识别方法统计学习理论GSxLMyy'Objective——LM：ImitatetargetoperatorS:Estimatingresults基于统计学习理论的模式识别方法统计学习理论•在解决复杂问题方面的优势：（1）直接性；（2）通用性:（3）全局性；基于统计学习理论的模式识别方法关键步骤ConstructionofdamageindexOptimizationofsamplesetSelectionofmatchingarithmetic基于统计学习理论的模式识别方法构建损伤指标•与统计学习理论的具体实现算法相匹配•可分性•抗噪声性优化样本库•结构状态•荷载种类•样本选择核子空间样本选择方法基于统计学习理论的模式识别方法选择具体实现算法•支持向量机算法的选择最小二乘法支持向量机•核函数的选择多项式核函数、Gauss径向基核函数和Sigmoid核函数等损伤识别模型10I01αΩvvbCTTlvv],[1v,,,2,1,],[lkjkjΩ),(jkkjKuu))),(sgn()(1bKvfliiiiuuu