结构损伤检测的最小二乘支持向量机回归方法的研究.pdf

摘耍 摘要 随着高层及超高层建筑的曰益增多，对结构在突发荷载(地震、台风、爆 炸等)后的健康状况做出评估已经成为一个迫切需要解决的问题。本文首先从 结构健康监测的概念出发，简述了当前此领域的研究状况和发展趋势，介绍了 本论文的主要研究内容。 传统的统计学研究的是样本无穷大时的渐近理论。然而在实际的问题中， 样本数往往是有限的。现有的基于传统统计学的学习方法在有限样本的情况下 难以取得理想的效果。统计学习理论是在有限样本情况下新建立起来的统计学 理论体系。统计学习理论为人们系统地研究小样本情况下机器学习问题提供了 有力的理论基础。支持向量机是在该理论体系下产生的一种新的、非常有力的 机器学习方法。它较好地解决了以往困扰很多学习方法的小样本、非线性、过 学习、高维数、局部极小点等实际问题，具有很强的推广能力。本文从支持向 量机理论、方法和应用相结合的角度出发，在统计学习理论、支持向量机回归 和核函数方面进行了系统的研究。 标准的支持向量机方法需要求解二次规划问题，在数据集比较大时求解非 常困难，并且由于标准支持向量机处理数据的方式是批处理，不适合于动态系 统。最小二乘支持向量机是标准支持向量机的扩展，通过采用等式约束和最小 二乘损失函数简化了支持向量机方法的求解过程。本文在最小二乘支持向量机 方法的基础上提出了用于识别结构系统的增量最小二乘支持向量机和序贯最小 二乘支持向量机方法，当新样本加入进来或老的样本被修剪下去的时候可以有 效地更新，这种方法克服了标准最小二乘支持向量机方法的稀疏性缺失，使得 结构参数的在线识别成为可能。对线性单自由度、线性多自由度、非线性单自 由度数值模拟的结果证明了所提出方法的鲁棒性和有效性以及对损伤时刻和位 置的跟踪能力。 为了验证最小二乘支持向量机方法在实际应用中的表现，本文对振动台试 验模型处于弹性阶段的层间刚度进行识别，采用识别刚度建立的系统模型和实 际结构在相同地震作用下加速度时程的比较证明了识别结果的正确性。 最后对全文的主要工作和研究结果进行总结，并指出了课题中有待进一步 摘要 研究的问题。 关键词：健康监测、损伤检测、支持向量机回归、系统识别、非线性、Bouc—Wen 模型、在线、最小二乘支持向量机 II Abslract ABSTRACT Asmoreandmore are is toassess high constructed，it buildings imperative statesofthestructuresafter as health events，such catastrophic and thefirst ofthis the ofstructural explosion．Inchapter thesis，fromviewpoint state-of-artresearchesaboutstructuralhealth health ofthe monitoring，the monitoring is ofstructural are ongoingimplementationsmonitoringsystems depicted，some