基于主成分分析和支持向量机的结构损伤识别研究

被引：12

作者：

门雪 ^{[1
]}

刘晓春 ^{[2
]}

李国华 ^{[1
]}

武梦龙 ^{[1
]}

机构：

[1] 青岛理工大学土木工程学院

[2] 山东蓝科工程咨询有限公司

来源：

工程建设 | 2018年 / 50卷 / 03期

关键词：

损伤识别; 主成分分析; 支持向量机; 损伤位置识别; 损伤程度识别;

D O I：

10.13402/j.gcjs.2018.03.006

中图分类号：

TU317 [结构试验与检验];

学科分类号：

081303 [建筑技术科学];

摘要：

提出了一种利用振动响应加速度信号结合主成分分析和支持向量机算法进行结构损伤识别的方法。首先,提取结构加速度振动响应信号;然后,采用主成分分析方法对上述提取到的结构加速度振动响应信号进行分析,提取前n阶主成分并将其按照某种规则组合成一维向量,作为结构损伤特征向量;最后,利用支持向量机的分类和回归算法分别进行损伤位置和损伤程度识别研究。该方法可以在样本较少的条件下取得较好的损伤识别结果,且具有一定的抗噪声能力。白噪声激励下的五层框架结构的数值模拟结果证明了该方法的有效性。

引用

页码：35 / 40

页数：6

共 9 条

[1]

Damage detection in structures using a transmissibility-based Mahalanobis distance [J].

Zhou, Yun-Lai ;

Figueiredo, E. ;

Maia, N. ;

Sampaio, R. ;

Perera, R. .

STRUCTURAL CONTROL & HEALTH MONITORING, 2015, 22 (10) :1209-1222

[2]

Artificial neural networks and support vector machines with genetic algorithm for bearing fault detection.[J].B. Samanta;K.R. Al-Balushi;S.A. Al-Araimi.Engineering Applications of Artificial Intelligence.2003, 7

[3]

A frequency response function-based structural damage identification method [J].