基于支持向量機和聚類的結構損傷診斷方法.pdf_第1頁
已閱讀1頁,還剩88頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、由于受到荷載和其它各種突發(fā)因素的影響,將不可避免地導致結構發(fā)生損傷,易造成重大的經濟損失和人員傷亡。因此,對結構健康狀態(tài)做出及時有效的診斷、準確的評估和預示,具有重要的科學理論意義和工程實用價值。損傷診斷是進行結構健康監(jiān)測的基礎。本文以結構健康監(jiān)測與損傷診斷為目的,研究了基于小波包特征提取和聚類的支持向量機結構損傷診斷方法。 論述了進行結構健康監(jiān)測的必要性和迫切性,介紹了結構健康監(jiān)測的概念、系統(tǒng)組成和損傷診斷的方法以及研究現(xiàn)狀。

2、 從損傷信號特征提取的角度出發(fā),研究了基于小波包特征提取的方法,采用正交小波包對Benchmark模型結構及其實際工程試驗中的損傷響應信號進行分解,再計算每個頻帶上的相對能量用來表征結構的狀態(tài)。研究表明:(1)小波包分解頻帶能量分布能夠表征信號分量的能量變化;(2)對于同一種損傷,不同節(jié)點響應信號的小波包能量分布是不同的;(3)不同類型損傷的小波包能量分布有顯著的差異。信號經小波包分解后其損傷特征更加明顯,小波包分析為結構損傷診

3、斷提供了一種有效的特征提取方法。 為解決損傷診斷中樣本缺乏的問題,研究了一種基于小波包特征提取的支持向量機診斷方法。該方法將結構振動信號小波包分解后的頻帶能量作為特征矢量,輸入到多分類的支持向量機中,實現(xiàn)了結構損傷的識別。研究表明:與使用原始數(shù)據(jù)的支持向量機相比,經小波包特征提取后,支持向量機的分類效果有了顯著提高。 針對訓練樣本相對較多的情況,研究了一種將聚類分析與支持向量機結合的損傷診斷方法。該方法首先采用聚類方法把

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論