基于支持向量机的结构损伤识别研究.docVIP

基于支持向量机的结构损伤识别研究 　　摘 要：支持向量机（Support vector machines，SVM）是在科学发展与时代进步下的产物，它与神经网络有许多的类似之处，同属于学习型的机制，但与神经网络也有着本质的区别，支持向量机在进行问题的解决与处理时所使用的都是数学的方法和优化的技术。随着我国经济的飞速发展，在为人类带来巨大进步的同时，也出现了一些灾害性的问题，为了达到对各种大型结构的健康监测及安全评估，可以使用支持向量机的结构损伤识别功能。 　　关键词：支持向量机 结构 损伤识别 研究 　　引言： 　　支持向量机在统计学习理论中的发展与运用从根本上克服了人工神经网络结构简单等等的限制，能够从多方面进行各种非线性、高维数问题的解决，当前已经得到人们的认可和青睐，并广泛的应用于模式识别的各个领域，对于核函数、噪音等等损伤识别的认识及影响研究也达到了它的有效性。 　　一、对支持向量机的认识 　　1、支持向量机的原理分析 　　从人们直?^认识的角度来进行思考的话，大多数人对于一个平面范围内的事物进行分析与研究都会觉得非常的简单，但对于无限维度的空间却会觉得高深莫测，而支持向量机就是把一个在不同空间的线性问题进行深入的分析，它可以把一个有限的空间映射到一个立体空间当中，这样就会使推测分离在空间变得更加容易，通过选择的核函数k（x，y）的计算，对非线性分类问题进行研究，最终达到解决问题的目的。 　　2、对支持向量机的使用 　　在进行支持向量机的使用过程中也会遇到各种各样的问题，但只要运用合理的方法进行解决，就会使其产生巨大的效能。在高维或多维空间的一个超平面中定义一组点，而这些点与这个空间中的向量保持恒定的关系，而限定的超平面载体则为参数＼alpha_i中所发生的数据向量的图像和线性组合，在这个超平面中，点x的特征空间在映射到超平面以后，会存在一种这样的关系：＼字型＼sum_i＼alpha_ik（x_i中，x）=＼mathrm{常数}，在这个关系式中，如果核函数k（x，y）变小的话，那么y就会更加的远离x，而在求和时的每一个测试点x的接近程度的相应数据基点x_i的程度。另外，这里的点x不论映射到任何的平面上，都可以相当于卷积的结果。 　　从上图也可以看出一个点的集合到一个超平面的距离为其最近距离，如果把图中H定为分类面的话，那么H1与H2不仅是过两类样本最近的直线而且还平等于H。 　　二、支持向量机的结构损伤识别方法研究 　　从支持向量机的原理可以看出核函数的选择及各个参数的确定是其中最为关键的环节，也是支持向量机进行工作的核心，因为不同的参数或核函数所产生的分类效果也会不同，所得到的结果更会不一样。 　　1、数据的预处理 　　在使用支持向量机在进行结构损伤识别时，首先就要进行数据的预处理及特征参数的确定，比如说为了消除在测量过程中数据中所包含的一些噪间等等，就要在预处理阶段进行数模的转换，在做了这些初步的处理以后，再进行参数的确定及提取，因为特征参数的提取在进行结构健康测试及损伤识别过程中发挥着极其重要的作用，所以必须要谨慎对待，可以采用损伤指标或频率变化来作为特征参数。 　　2、支持向量机结构损伤识别的合理分类 　　要想让支持向量机进行合理的分类并输出结果，就必须要确定其参数，并进行相应核参数的值的确定，这样才能对支持向量机进行使用，得到一个SVM模型，在通过SVM模型对一系列检验样本的测试过程以后，才能进行输出结果的识别，达到识别结构损伤的目的。 　　三、结束语 　　总而言之，支持向量机在进行小样本、非线性等等问题的解决时具有很大的优势性，而且随着我国科学技术水平的不断提高，SVM还被广泛的应用于分类、回归等等多个领域当中，只要结合实际情况进行正确的参数确定及核函数的选择，就一定能在结构损伤识别等等研究中取得丰硕的成果。 　　参考文献： 　　[1]张效忠，孙延华，孙国民. 基于支持向量机的桥梁冲刷深度识别方法研究[J]. 水利与建筑工程学报，2016，（03）：206-210. 　　[2]赵云鹏，于天来，焦峪波，宫亚峰，宋刚. 异形桥梁损伤识别方法及参数影响分析[J]. 吉林大学学报（工学版），2016，（06）：1858-1866. 　　[3]李延强，张阳. 基于支持向量机与分层遗传算法的斜拉桥全结构损伤分步识别[J]. 地震工程与工程振动，2015，（06）：71-77. 　　[4]赵世英，李延强. 基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究[J]. 石家庄铁道大学学报（自然科学版），2015，（01）：17-21. 　　[5]王冬冬，张炜，陶胜杰，田干，杨正伟. 支持向量机方法在热波检测图像分割中的应用[J]. 强激光与粒子束，2014，（10）：132-136