桥梁结构损伤识别简介

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
➢ 优化识别法
所采用过的识别方法
1
确定优化EI变i 量
截面刚度变化
EIi
2
计算理论位移值
Δa K 1F
K表示结构的刚 度，是优化变 量 EIi 的函数
3
建立最优化数学 模型
• 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。
• 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。
➢ 模式识别方法
所采用过的识别方法
Classical Methods
n
min
(
m i
ia
ห้องสมุดไป่ตู้
)2
i 1
s.t. ib
i
t i
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。
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
目录
1
损伤识别特点
2
所采用过的识别方法
3 基于统计学习理论的模式识别方法
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。
0 v
Ω
vT C
b 1Iα
10
v [v1,vl ]T Ω [kj ], j, k 1,2,,l, kj K (uk ,u j )
• 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
l
f (u) sgn( vii K (ui ,u)) b) i1
基于统计学习理论的模式识别方法
➢ 统计学习理论
x
G
S
y
LM
y'
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；