基于支持向量的結(jié)構(gòu)健康狀態(tài)智能診斷方法.pdf

1、損傷診斷是進行結(jié)構(gòu)健康監(jiān)測的基礎(chǔ)。本文以結(jié)構(gòu)監(jiān)測與損傷診斷為目的，研究了基于小波包分析和支持向量相結(jié)合的智能診斷方法。 闡述了實施土木工程結(jié)構(gòu)健康監(jiān)測的必要性和迫切性，介紹了結(jié)構(gòu)健康監(jiān)測與損傷診斷的概念，討論系統(tǒng)組成、損傷診斷的方法及其研究現(xiàn)狀；研究了小波包變換的多分辨分析及其正交性。實驗證明：(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。信號經(jīng)小波包分解后其損傷特征更加明顯，而且受噪聲的干擾??；(2)小波支撐區(qū)間越大

2、，正交性越好，信號分解到不同的頻帶中，使其各頻帶中的信息無冗余；(3)不同類型損傷的小波包能量分布是不同的：其次，對于同一種損傷，不同節(jié)點響應(yīng)信號的小波包分解能量分布大小是不同的；(4)通過小波包變化處理，使得結(jié)構(gòu)響應(yīng)信號中的損傷特征更加明顯，減小了噪聲的干擾。因而可以作為一種理想的特征指標來表征結(jié)構(gòu)健康狀態(tài)。 針對智能損傷診斷中損傷樣本缺乏、分析處理的數(shù)據(jù)量大的問題，提出了一種基于小波包特征提取的支持向量機智能診斷方法。該方法

3、將結(jié)構(gòu)振動信號小波包分解后的頻帶能量作為特征，輸入到多分類的支持向量機中，實現(xiàn)了結(jié)構(gòu)多損傷的識別和定位。經(jīng)過小波包特征提取后的的支持向量機分類效果明顯優(yōu)于未經(jīng)過任何特征提取的支持向量機的分類效果。為了提高系統(tǒng)決策的準確性和魯棒性，避免單一信號表征損傷信息的片面性，提出了另一種基于特征融合的支持向量機智能診斷方法。利用小波包變換提取小波包特征進行多點數(shù)據(jù)融合，構(gòu)造特征矢量，將這些特征矢量輸入到分類器中診斷損傷發(fā)生的位置和程度。數(shù)據(jù)融合不僅

4、能夠使損傷信息相互補充，而且減小了檢測信息的不確定性；這種基于特征融合的支持向量機智能診斷方法充分利用各個數(shù)據(jù)源包含的冗余和互補信息，大大提高了分類的準確性。 針對工程應(yīng)用中損傷樣本難以獲得，并且為了實現(xiàn)結(jié)構(gòu)健康狀態(tài)的在線自動監(jiān)測和診斷，提出了一種基于正常樣本的支持向量數(shù)據(jù)描述單值分類新方法。該方法僅僅依靠正常運行時的數(shù)據(jù)信號，而不需要任何損傷數(shù)據(jù)。首先采用小波包分解對數(shù)據(jù)預(yù)處理，以頻帶能量序列為特征，然后把多測量點的能量序列融