基于独立分量分析的结构损伤识别研究

基于独立分量分析的结构损伤识别研究

论文摘要

建筑结构的损伤识别一直是人们广泛关注的问题。目前世界各国土木工程结构在服役过程中,不可避免地受到环境荷载、疲劳、腐蚀、老化等因素的影响,必然产生损伤累积,从而使这些建筑结构存在重大隐患。因此,对结构性能进行监测和识别,及时地发现结构的损伤,对可能出现的灾害提前预警,评估其安全性已经成为土木工程项目建设的必然要求,也是土木工程学科发展的一个重要领域。 对结构损伤进行识别可以看作是一个模式识别课题,即抽取结构物的特征信号,然后对其进行识别分类。本文从传感器获取的结构物信号入手,利用机器学习、数据挖掘和统计学习理论,建立基于独立分量分析的结构损伤识别构架,以实现对结构物是否损伤及损伤级别的准确判定。主要的研究工作如下: (1) 分析了主成分分析方法能去掉结构物信号间的相关性、过滤掉噪音对信号的影响,从而有效地对结构物的特征信号进行提取。提取的准确率依赖于累计贡献率的选取,所以要结合结构工程领域的特点,设置合适的累积贡献率。实验表明99%的主成分累计贡献率能很好地识别是否损伤以及损伤的级别。 (2) 利用独立分量分析对信号提取特征。由于独立分量分析保证了结构物信号的独立性,所以它比主成分分析的识别效果更准确。采用的Fast-ICA算法能有效地提取结构物特征,所提取的独立分量在识别过程中效果良好,并且性能稳定。 (3) 在分析BP网络的缺陷的基础上,将独立分量分析与人工神经网络结合起来,建立了基于ICA-ANN的结构损伤识别模型:通过ICA提取结构损伤信号,然后处理后的独立分量作为ANN的输入,对结构损伤进行识别。其中给出了详尽的方法来解决神经网络中的收敛速度慢、局部最小化、过度适合等问题。实验表明该模型能有效地对结构的损伤和程度进行识别,验证了方法的有效性。 (4) 因为支持向量机是以结构风险最小化为原则、建立在严格理论基础上、具有良好的控制推广能力的学习机器,所以建立的模型更可靠。本文将ICA和SVM结合起来,建立了基于ICA-SVM的结构损伤识别模型,通过ICA提取结构物的特征信号,然后将它作为SVM的输入,来对结构损伤进行识别。实验表明该方法能有效地对结构的损伤和程度进行识别,验证了方法的有效性。 (5) 把小波分析作为ICA-ANN或ICA-SVM的信号数据的预处理,能保持信号中的不同频率的特点,使得预测结果准确;尤其当处理多分辨率信号的时候,

论文目录

  • 第1章 绪论
  • 1.1 引言
  • 1.1.1 问题陈述
  • 1.1.2 早期研究
  • 1.2 基于振动的结构损伤识别方法研究现状
  • 1.2.1 基于模型的识别方法
  • 1.2.2 无模型识别方法
  • 1.2.3 损伤识别方法存在的问题
  • 1.3 结构损伤的信号检测
  • 1.4 智能方法的进展
  • 1.4.1 数据挖掘方法
  • 1.4.2 机器学习方法
  • 1.5 本文研究工作的基本思路和主要内容
  • 1.5.1 本文研究工作的基本思路
  • 1.5.2 本文研究内容
  • 第2章 基于独立分量分析ICA的结构损伤特征提取
  • 2.1 主成分分析
  • 2.1.1 主成分分量的几何描述
  • 2.1.2 总体主成分
  • 2.1.3 量纲对于主成分分析的影响及消除方法
  • 2.1.4 结构数据的样本主成分分析
  • 2.2 传感器数据的白化变换
  • 2.3 传感器数据的独立分量分析
  • 2.3.1 独立分量分析的假设
  • 2.3.2 基本概念
  • 2.3.3 独立性判据
  • 2.3.4 ICA的几种定义
  • 2.3.5 ICA算法
  • 2.4 ICA与PCA的比较
  • 2.5 本章小结
  • 第3章 基于ICA神经网络的结构损伤识别方法研究
  • 3.1 分类优化问题
  • 3.2 神经网络建模
  • 3.2.1 神经元的统一模型
  • 3.2.2 BP神经网络
  • 3.3 基于ICA-ANN的结构损伤识别
  • 3.3.1 样本数据的处理
  • 3.3.2 训练数据的处理
  • 3.3.3 模型参数的选择
  • 3.3.4 重组神经网络
  • 3.4 基于ICA-ANN的结构损伤识示例
  • 3.4.1 直接使用ANN进行识别
  • 3.4.2 基于ICA-ANN的损伤数据孤立点测试
  • 3.4.3 基于ICA-ANN的损伤识别
  • 3.5 本章小结
  • 第4章 基于ICA支持向量机的结构损伤识别方法研究
  • 4.1 机器学习基本理论
  • 4.1.1 机器学习问题的表示
  • 4.1.2 经验风险最小化原则
  • 4.1.3 复杂性和推广性能
  • 4.2 统计学习理论
  • 4.2.1 VC维
  • 4.2.2 推广性的界
  • 4.2.3 结构风险最小化
  • 4.3 支持向量机
  • 4.3.1 最优分类面
  • 4.3.2 支持向量机判别函数
  • 4.3.4 SVM的分解算法
  • 4.3.5 核函数
  • 4.4 基于ICA-SVM的结构损伤识别
  • 4.4.1 基于ICA-SVM的结构损伤识别框架
  • 4.4.2 核函数中参数的选择
  • 4.4.3 识别实验
  • 4.5 神经网络和支持向量机的比较
  • 4.6 本章小结
  • 第5章 在ICA-ANN结构损伤识别中的小波预处理
  • 5.1 小波分析
  • 5.1.1 连续小波函数
  • 5.1.2 连续小波基函数
  • 5.1.3 连续小波重构
  • 5.2 多分辨率分析
  • 5.3 基于小波预处理的ICA-ANN
  • 5.4 本章小结
  • 第6章 基于ICA的结构损伤识别实验研究
  • 6.1 Benchmark结构实例
  • 6.1.1 实验结构模型
  • 6.1.2 结构特征信号的提取
  • 6.1.3 两个损伤级别的识别
  • 6.1.4 多种损伤的识别
  • 6.1.5 基于敏感信息的传感器位置确定
  • 6.1.6 基于ICA-SVM的损伤识别实验
  • 6.1.7 基于二阶统计量的ICA-SVM
  • 6.2 Bookshelf损伤的识别
  • 6.2.1 数据描述
  • 6.2.2 基于ICA-SVM的损伤识别
  • 6.2.3 基于SOS-ICA的损伤识别
  • 6.3 本章小结
  • 第7章 结论与展望
  • 7.1 主要研究工作与结论
  • 7.2 展望
  • 参考文献
  • 博士生期间发表论文情况
  • 附录
  • 致谢
  • 相关论文文献

    • [1].结构损伤识别方法研究综述[J]. 世界地震工程 2020(02)
    • [2].基于静力虚拟变形法的桥梁结构损伤识别研究[J]. 浙江工业大学学报 2020(05)
    • [3].基于支持向量机建筑结构损伤识别方法研究[J]. 黑龙江科技信息 2017(13)
    • [4].基于桥梁结构损伤识别方法的研究[J]. 同行 2016(15)
    • [5].桥梁结构损伤识别研究现状与展望[J]. 长安大学学报(自然科学版) 2013(06)
    • [6].基于动力特性测试的既有建筑结构损伤识别研究[J]. 河南建材 2020(04)
    • [7].浅谈结构损伤识别方法及展望[J]. 四川建材 2017(11)
    • [8].一种新型灰色绝对关联度在结构损伤识别中的应用[J]. 河南建材 2016(06)
    • [9].基于振动分析的机械结构损伤识别方法综述[J]. 机械工程与自动化 2017(01)
    • [10].利用概率神经网络进行结构损伤识别的新进展[J]. 科技视界 2016(04)
    • [11].基于振动监测的桥梁结构损伤识别方法研究[J]. 黑龙江交通科技 2016(01)
    • [12].基于模态参数的建筑结构损伤识别进展[J]. 居业 2016(03)
    • [13].基于神经网络的结构损伤识别研究进展[J]. 工程质量 2014(07)
    • [14].震后钢管混凝土结构损伤识别现状及展望[J]. 长江大学学报(自科版) 2013(13)
    • [15].基于小波分析的结构损伤识别方法研究进展[J]. 河南科技 2013(23)
    • [16].基于动力特性的桥梁结构损伤识别方法的研究进展[J]. 中国西部科技 2011(18)
    • [17].桥梁结构损伤识别技术的研究进展[J]. 科技信息 2010(28)
    • [18].桥梁结构损伤识别方法的研究进展[J]. 山西建筑 2009(27)
    • [19].基于分形的结构损伤识别方法研究[J]. 四川建筑科学研究 2008(06)
    • [20].结构损伤识别技术的发展现状与展望[J]. 山西建筑 2008(23)
    • [21].基于遗传算法的简支梁桥结构损伤识别方法[J]. 中阿科技论坛(中英阿文) 2020(07)
    • [22].基于附加质量的桥梁结构损伤识别方法[J]. 安徽建筑 2020(10)
    • [23].小型风机叶片结构损伤识别实验模拟研究[J]. 计算机测量与控制 2017(04)
    • [24].基于振动特性的结构损伤识别方法[J]. 科技致富向导 2013(36)
    • [25].基于支持向量机的结构损伤识别分析[J]. 低温建筑技术 2013(09)
    • [26].温度影响下结构损伤识别研究现状及展望[J]. 公路工程 2014(01)
    • [27].基于动力学特性的结构损伤识别研究进展[J]. 铁道建筑 2012(02)
    • [28].桥梁结构损伤识别的发展与研究[J]. 甘肃科技 2008(17)
    • [29].基于不确定性的结构损伤识别方法研究综述[J]. 低温建筑技术 2017(08)
    • [30].考虑温度影响的桥梁结构损伤识别[J]. 中山大学学报(自然科学版) 2016(03)

    标签:;  ;  ;  ;  ;  

    基于独立分量分析的结构损伤识别研究
    下载Doc文档

    猜你喜欢