桥梁结构损伤识别介绍.pptxVIP

目 录 损伤识别特点 1 所采用过的识别方法 2 基于统计学习理论的模式识别方法 3 损伤识别特点 损伤识别 土木结构损伤识别主要是针对具体的土木工程结构，利用各种监测到的结构整体响应数据（位移、应变、内力、加速度等），结合信号处理、人工智能、数理统计、随机过程等相关学科的知识，对结构有无损伤、损伤的类型、严重性、位置和程度等进行合理评判。 损伤识别特点 状态 损伤多样性 刚度降低、质量改变、边界条件的改变 损伤状态与荷载的相关性 振动分析模型复杂 模型参数有误差 所采用过的识别方法 优化识别法 截面刚度变化 K表示结构的刚度，是优化变量 的函数 所采用过的识别方法 优化识别法 思路简单，求解复杂 极易陷入局部极小值 对噪声敏感 原因： 复杂问题简单化 所采用过的识别方法 损伤指标法 从结构动力响应数据中提取能够表征结构损伤状态的指标，通过直接观察该指标，对结构状态进行判别。 FFT 小波变换 HHT AMRA 所采用过的识别方法 损伤指标法 思路简单，求解简单 功能有限 易受噪声干扰 原因： 复杂问题过于简单化 所采用过的识别方法 模式识别方法 模式识别是根据相似程度将某一具体事物正确地归入某一类别。 所采用过的识别方法 模式识别方法 Classical Methods Bayesian classifiers K-nearest neighbor rules Statistical Learning Theory Support vector Network classifiers 所采用过的识别方法 模式识别方法 思路复杂，求解复杂； 考虑了随机因素，易得与实际相符的结果； 经典模式识别方法将损伤识别问题简化为几个参数的估计问题，在求解复杂识别问题时仍具有一定难度； 基于统计学习理论的方法是一种非参数估计方法，它求解高维复杂问题的途径是构造一个近似函数，以提供最佳的预测结果，而并非直接对问题本身进行分析； 与人工神经网络方法相比，支持向量机解决了局部极小值、收敛速度慢等问题，更适合于求解复杂模式识别问题。 基于统计学习理论的模式识别方法 统计学习理论 Objective——LM： Imitate target operator S: Estimating results 基于统计学习理论的模式识别方法 统计学习理论 在解决复杂问题方面的优势： （1）直接性； （2）通用性: （3）全局性； 基于统计学习理论的模式识别方法 关键步骤 基于统计学习理论的模式识别方法 构建损伤指标 与统计学习理论的具体实现算法相匹配 可分性 抗噪声性 优化样本库 结构状态 荷载种类 样本选择 核子空间样本选择方法 基于统计学习理论的模式识别方法 选择具体实现算法 支持向量机算法的选择 最小二乘法支持向量机 核函数的选择 多项式核函数、Gauss径向基核函数和Sigmoid核函数等 损伤识别模型