基于支持向量机的高桩排架结构损伤检测

论文摘要

结构损伤检测是一种多科目、跨学科的综合性研究课题。本文在广泛查阅大量中外科技文献基础上,对基于振动测试的结构整体损伤检测方法进行了系统研究,选用了当前应用广泛的单元模态应变能改变率(MSECR)和残余模态力两种动力诊伤指标,通过系统对比二者诊伤能力的差异发现,残余模态力动力诊伤指标对结构形式、损伤程度的大小、损伤的多少、损伤位置都表现出良好的适应性。将统计方法引入噪声环境下的结构损伤诊断,利用蒙特卡罗法模拟实际环境噪声,成功地给出噪声环境下确定结构损伤位置的行之有效的方法。在确定损伤位置的基础上,利用基于小样本统计学习提出的机器学习算法——支持向量机(SVM)的回归拟合能力,给出了不同损伤单元的损伤程度,克服了传统机器学习算法需要大量训练样本的缺点。最后,根据本文方法建立了高桩排架结构动力诊伤模型,取得了良好的诊伤效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景和意义
• 1.1.1 结构损伤检测的基本概念
• 1.1.2 结构损伤检测的发展历程
• 1.2 结构损伤检测的研究现状
• 1.2.1 结构局部诊伤技术
• 1.2.2 结构全局诊伤技术
• 1.2.3 目前动力诊伤技术存在的问题
• 1.3 本文主要的研究内容
• 第二章 基于动力测试的结构诊伤理论基础
• 2.1 结构动力诊伤的动力学理论基础
• 2.1.1 系统振动的一般方程
• 2.1.2 系统的无阻尼自由振动
• 2.2 损伤识别指标
• 2.2.1 特征频率的变化比
• 2.2.2 柔度变化的损伤识别方法
• 2.2.3 振型模态曲率比识别法
• 2.2.4 残余模态力
• 2.2.5 单元模态应变能变化率（MSECR ）
• 2.3 动力诊伤指标优选
• 2.3.1 数值模型设计
• 2.3.2 动力诊伤识别
• 2.3.3 动力诊伤的综合评价和指标优选
• 第三章 动力损伤指标的随机性分析
• 3.1 随机噪声下的动力损伤诊断原理
• 3.1.1 随机噪声模拟
• 3.1.2 误差传播的模拟
• 3.1.3 损伤单元的判定
• 3.2 随机噪声下的动力损伤诊断算例
• 3.2.1 随机噪声下的数值模型设计
• 3.2.2 噪声对残余模态力诊伤的影响
• 3.2.3 残余模态力样本的概率分布分析
• 3.2.4 随机噪声下损伤位置的判定
• 3.3 本章小结
• 第四章 支持向量机理论基础
• 4.1 机器学习问题
• 4.2 小样本统计学习理论
• 4.2.1 经验风险最小化原则
• 4.2.2 结构风险最小化原则
• 4.3 支持向量机
• 4.3.1 支持向量机分类
• 4.3.2 支持向量机回归
• 4.3.3 求解大规模问题的支持向量机算法
• 4.4 最小二乘支持向量机
• 第五章 基于支持向量机的结构损伤程度识别
• 5.1 结构损伤程度识别策略
• 5.1.1 最小二乘支持向量机参数选择
• 5.1.2 训练样本的处理
• 5.1.3 检测样本的处理
• 5.2 结构损伤程度识别实例研究
• 5.2.1 回归拟合的参数设计
• 5.2.2 损伤程度回归拟合识别效果
• 5.3 本章小结
• 第六章 动力损伤诊断综合数值模型
• 6.1 排架数值模型设计
• 6.2 损伤位置识别结果
• 6.2.1 不考虑环境噪声的识别结果
• 6.2.2 考虑环境噪声的识别结果
• 6.3 损伤程度识别结果
• 第七章 结论与展望
• 7.1 结论
• 7.2 课题展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢