基于小波包样本熵和支持向量机的框架结构损伤识别
2021-07-29方有亮李肖磊王晶晶
科学技术与工程 2021年14期
方有亮,李肖磊,张 颖*,王晶晶,刘 乐
(1.河北大学建筑工程学院,保定 071000;2.河北省土木工程监测与评估技术创新中心,保定 071000)
近年来,结构损伤检测技术一直是国际学术界和工程界研究的热点。基于振动测试的损伤识别方法取得了飞快的发展[1-2],很多机器学习的算法被应用到该领域,主要有神经网络[3]、小波分析[4]、遗传算法[5]、支持向量机等。Kourehli[6]提出一种利用静态响应和支持向量机进行结构损伤检测和估计的方法,分析得知即使存在不完全噪声数据和建模误差,该方法对结构的损伤定位和严重程度依然很敏感。刘泽佳等[7]结合了结构响应向量与支持向量机的损伤识别方法,在简支梁和实际桥梁模型中都验证了方法的有效性。张颖等[8]以钢框架模型的试验模态频率作为支持向量机的训练和测试样本的输入,支持向量机输出判断损伤位置,研究表明该算法对损伤位置敏感、识别精度较高。
熵对系统的非线性特征具有显著的凸显作用,其常见度量方法有近似熵和样本熵等。样本熵是一种用来描述时间序列复杂度的新方法,对所需的数据长度要求不高、抗噪声干扰能力强。孙增寿等[9]在小波包分析过程中结合样本熵建立了对数加速度能量差小波包样本熵作为损伤指标,识别效果显著且具有良好的鲁棒性。孙柯等[10]提出了小波包频带内局部样本熵的概念,将测点的时程数据进行小波包分解与重构,计算局部时间区间的样本熵作为损伤指标,通过有限元模型分析验证了方法的可行性。……
登录APP查看全文
