基于KPCA的结构振动信号特征提取研究.pdfVIP

第26卷第4期 华 中 科 技 大 学 学 报 (城市科学版) Vo1．26No．4 2009年 12月 J．ofHUST．(UrbanScienceEdition) Dec．2oo9 基于 KPCA的结构振动信号特征提取研究 胡国庆 ，杨 燕 ，袁海庆 (武汉理工大学 a．土木工程与建筑学院；b．光纤传感技术与信息处理教育部重点实验室，湖北 武汉 430070) 摘 要：本文提出基于核主元分析 (KernelPrincipalComponentAnalysis，KPCA)的结构振动信号特征提取方法。 通过对原始信号进行 KPCA分析得到非线性主元，根据非线性主元的累计贡献率确定非线性主元个数，然后根 据结构信号在不同损伤状态下的KPCA特征构造结构特征指标，由此判断结构相对于基准状态是否发生了损 伤。试验结果表明，该方法在基准状态为无损状态和小损伤状态下都能很好的判断结构是否发生损伤，用于结 构损伤识别特征提取是有效的。 关键词 ：特征提取； 核主元分析； 核函数 ； 基准状态 中图分类号：TU311．3 文献标识码 ：A 文章编号：1672-7037(2009)04-0067-04 结构损伤识别是一个模式识别的过程，面临 态是否发生损伤。 两个问题：一是如何将得到的测量数据进行有效 的特征提取，二是如何设计一个高效的分类器对 1 KPCA 的基本思想 不同的结构状态进行分类…。随着技术的不断 发展，获得结构振动信号已经很容易，但是获得的 设非线性映射函数 实现了从原始数据空 大量数据在提供可利用信息的同时也增加了有效 间 到高维特征空间F的映射 】，即 “中的 利用这些数据的难度，有用的信息可能会淹没在 m个样本 (i=1，2，…，m)变换为F中的m个样 大量的冗余数据中，不仅 占用大量的存储空间和 计算时间，降低了诊断推理的实时性，而且有可能 本 (戈)(i=1，2，…，m)。假设 ∑ ()=0， 影响分类精度。因此，特征提取——从大量信号 则F中的协方差矩阵可以写为 中提取能准确表征结构状态、对结构损伤敏感且 C (i) () (1) 数量上尽可能少的有用信号成为结构损伤识别的 关键问题之一 。 现由AV=CF求 的特征值A10和特征 向 在图像处理、综合评价、故障诊断等领域对信 量 V∈F，对于A≠0的所有特征 向量 根据再生 号特征提取都有大量研究，发展了很多有效的特 核理论㈨可表示为V=∑Oli()，式中 为系 征提取方法 ，PCA是最常用 的特征提取方法之 一 ， 它主要通过线性组合特征达到特征提取的目 数，贝0A[ ()·V]=[ ()·CV]，k=1，2， 的。由于土木工程结构特性复杂，通过上述方法 … ，m可表示为 提取的特征可能不能较好地反映结构属性，进而 J)L∑Oi／[()·()]： 影响结构分类识别的效果。核主元分析法 (Ker— 1 m m nelPrincipalComponentAnalysis，KPCA)在 PCA 吉 9(i／[()’ ()][()·()] 的基础上借助核函数来实现原始数据到高维特征 空间的非线性映射，以便更好地对数据进行特征 (2) 提取。KPCA 目前在计算机视觉、文字识别等领 定义一个m×m维的矩阵K，其矩阵元素为 域