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
所采用过的识别方法
优化识别法
1
EI 确定优化变量
i
2
3
计算理论位移值
Δ a K 1F
K表示结构的刚 度，是优化变 量 EIi 的函数
截面刚度变化
建立最优化数学 模型
min
EI i
(
i 1
n
m i
ia )2
s.t. ib i it
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
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
0 v T b 0 1 v Ω C I α 1
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；
G
x
S LM
y
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Biblioteka Baidu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
目
录
1
2
损伤识别特点
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。
kj K (u k , u j )
v [v1 , vl ]T
Ω [kj ], j, k 1,2,, l,
•
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
f (u) sgn( vi i K (u i , u)) b)
i 1 l