

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、土木工程結(jié)構(gòu)在其服役期內(nèi),難免會(huì)受到自然環(huán)境的侵蝕和人為因素的侵害,這些因素會(huì)導(dǎo)致結(jié)構(gòu)出現(xiàn)不同程度的性能退化或者損傷。如果不能及時(shí)發(fā)現(xiàn)和修復(fù)這些結(jié)構(gòu)隱患,可能會(huì)導(dǎo)致災(zāi)難性的后果。因此,結(jié)構(gòu)損傷識(shí)別發(fā)展成為一個(gè)具有重要理論意義和應(yīng)用前景的領(lǐng)域。本文利用時(shí)間序列分析的自回歸模型,結(jié)合主成分分析對(duì)結(jié)構(gòu)進(jìn)行損傷識(shí)別研究,重點(diǎn)研究去除環(huán)境因素影響的損傷識(shí)別方法。主要內(nèi)容包括以下幾點(diǎn):
綜述了環(huán)境因素對(duì)結(jié)構(gòu)動(dòng)力響應(yīng)的影響以及基于結(jié)構(gòu)振動(dòng)響
2、應(yīng)的損傷識(shí)別理論和方法。介紹了自回歸模型的基本理論,比較了定階準(zhǔn)則和參數(shù)估計(jì)方法的精度,確定了BIC準(zhǔn)則結(jié)合遞推最小二乘估計(jì)法能在保證精度的前提達(dá)到快速計(jì)算,適合用于在線監(jiān)測(cè)。
采用基于自回歸模型的損傷識(shí)別方法:基于自回歸系數(shù)的歐式距離判別法和基于模型殘差的Itakura距離判別法,通過(guò)桁架模型試驗(yàn),驗(yàn)證了兩種方法的有效性,指出了這兩種方法易受環(huán)境因素干擾。
提出基于自回歸模型與主成分分析的結(jié)構(gòu)損傷識(shí)別方法。對(duì)結(jié)構(gòu)加
3、速度數(shù)據(jù)建立自回歸模型,利用主成分分析提取并消除環(huán)境分量,利用重構(gòu)的自回歸模型系數(shù)向量構(gòu)造損傷指標(biāo)進(jìn)行損傷識(shí)別。通過(guò)桁架模型試驗(yàn),驗(yàn)證該方法能識(shí)別出結(jié)構(gòu)的小損傷,且不受環(huán)境因素干擾。
提出了自回歸模型與核主成分分析相結(jié)合的損傷識(shí)別方法。利用核主成分分析提取作為參考樣本的自回歸系數(shù)向量的特征,以特征空間為索引,尋找與待檢自回歸模型系數(shù)向量具有相同特征的樣本向量,通過(guò)比較兩個(gè)向量的相似性來(lái)識(shí)別損傷。試驗(yàn)研究表明,該方法同樣能消除環(huán)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于時(shí)間序列模型和主成分分析的結(jié)構(gòu)損傷識(shí)別研究.pdf
- 基于主成分分析的人臉識(shí)別方法研究.pdf
- 基于主成分分析的圖像識(shí)別方法研究.pdf
- 基于矩陣主成分分析的人臉識(shí)別方法研究.pdf
- 基于主成分分析和神經(jīng)樹(shù)的人臉識(shí)別方法研究.pdf
- 基于主成分分析法的結(jié)構(gòu)損傷識(shí)別研究.pdf
- 基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法.pdf
- 基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法的研究.pdf
- 基于主成分分析的人工神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法的研究.pdf
- 基于主成分分析的結(jié)構(gòu)損作識(shí)別.pdf
- 基于時(shí)間序列與主成分分析的框架模型損傷識(shí)別試驗(yàn)研究.pdf
- 環(huán)境變化下基于主成分分析的海洋平臺(tái)結(jié)構(gòu)損傷識(shí)別研究.pdf
- 基于主成分分析算法與多核支持向量機(jī)人臉識(shí)別方法研究.pdf
- 基于主成分分析的人臉識(shí)別改進(jìn)方法.pdf
- 基于主失效模式的結(jié)構(gòu)損傷識(shí)別方法.pdf
- 基于模型修正的結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于主成分分析的人臉識(shí)別研究.pdf
- 基于改進(jìn)主成分分析方法的人臉識(shí)別算法研究.pdf
- 基于模型修正與時(shí)序分析的結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于小波包變換和二維四元數(shù)主成分分析的人臉識(shí)別方法.pdf
評(píng)論
0/150
提交評(píng)論