資源描述：
《基于粒子群優(yōu)化支持向量機的斜拉橋主梁損傷識別研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、第２８卷第１期石家莊鐵道大學(xué)學(xué)報（自然科學(xué)版）Ｖｏｌ．２８Ｎｏ．１２０１５年０３月ＪＯＵＲＮＡＬＯＦＳＨＩＪＩＡＺＨＵＡＮＧＴＩＥＤＡＯＵＮＩＶＥＲＳＩＴＹ（ＮＡＴＵＲＡＬＳＣＩＥＮＣＥ）Ｍａｒ．２０１５基于粒子群優(yōu)化支持向量機的斜拉橋主梁損傷識別研究趙世英，李延強（石家莊鐵道大學(xué)工程力學(xué)系，河北石家莊０５００４３）摘要：為了能夠更加準(zhǔn)確地判斷結(jié)構(gòu)損傷位置和程度，本文提出了基于粒子群優(yōu)化支持向量機（ＰＳＯ-ＳＶＭ）方法對斜拉橋主梁進(jìn)行損傷識別的新方法。該方法以最敏感索張力指標(biāo)作為損傷識別指標(biāo)，利用粒子群（Ｐ
2、ＳＯ）算法尋找支持向量機（ＳＶＭ）最優(yōu)參數(shù)，建立ＳＶＭ預(yù)測模型，以不同位置、不同損傷程度下最敏感索的張力指標(biāo)作為ＳＶＭ的訓(xùn)練和測試輸入，由ＳＶＭ的輸出確定損傷位置。通過對實驗室的模型斜拉橋的主梁損傷進(jìn)行了仿真驗證，結(jié)果表明：采用ＰＳＯ算法很好地解決了采用ＳＶＭ方法進(jìn)行損傷識別時的參數(shù)選擇隨機性難題，實現(xiàn)了對ＳＶＭ模型參數(shù)的自動優(yōu)化，基于ＰＳＯ-ＳＶＭ的損傷識別方法對斜拉橋主梁不同程度的損傷均有很高的識別率。關(guān)鍵詞：斜拉橋；損傷識別；支持向量機；粒子群算法；張力指標(biāo)中圖分類號：ＴＵ３１２；Ｕ４４８文獻(xiàn)標(biāo)志碼：
3、Ａ文章編號：２０９５０３７３（２０１５）０１００１７０５大型土木工程結(jié)構(gòu)在其長達(dá)數(shù)十年、甚至上百年的服役期內(nèi)，必然會產(chǎn)生不同程度的損傷，損傷的積累最終會導(dǎo)致結(jié)構(gòu)的局部破壞以至突然失效。因此，對結(jié)構(gòu)進(jìn)行損傷識別已經(jīng)成為目前研究的熱點問［１］［２］題。從信息技術(shù)角度看，結(jié)構(gòu)損傷識別通?？梢钥醋魇悄Ｊ阶R別問題。支持向量機算法（ＳＶＭ）是一種基于統(tǒng)計學(xué)習(xí)理論的機器學(xué)習(xí)算法，通過最優(yōu)分類面實現(xiàn)結(jié)構(gòu)風(fēng)險最小化，由于支持向量機算法是一個二次優(yōu)化問題，所以能保證所得到的解就是全局最優(yōu)解。鑒于其出色的學(xué)習(xí)能力，支持向量機已廣
4、泛應(yīng)用于信息處理和模式識別等領(lǐng)域。為了能夠準(zhǔn)確地識別結(jié)構(gòu)的損傷，目前已有研究人員利用支持向量［３］［４］［５］［６］機結(jié)合結(jié)構(gòu)振動特性對結(jié)構(gòu)進(jìn)行損傷識別研究，并已成功應(yīng)用于桁架、懸臂梁、簡支梁、拱橋等結(jié)構(gòu)中。由于支持向量機將求解問題最終轉(zhuǎn)換為一個二次優(yōu)化問題，而這個二次優(yōu)化問題的解就是支持向量機的最優(yōu)參數(shù)。但對于訓(xùn)練樣本規(guī)模較大的問題，求解二次優(yōu)化問題非常困難，因此研究人員引入許多［７-１０］［１１］智能算法來求解該二次優(yōu)化問題。在眾多智能方法中，粒子群算法（ＰＳＯ）源于對鳥群捕食這種生物種群行為特性的研究
5、，通過個體間的協(xié)作和競爭來確定復(fù)雜問題的最優(yōu)解，其概念簡單、容易實現(xiàn)，基［１２-１３］于ＰＳＯ的ＳＶＭ參數(shù)選擇方法，已在ＳＶＭ參數(shù)優(yōu)化問題中取得了很好的效果。斜拉橋由于其造型美觀，跨越能力大，在我國分布廣泛。但由于結(jié)構(gòu)本身的復(fù)雜性，使得斜拉橋結(jié)構(gòu)的損傷識別問題更加困難。近年來，一些學(xué)者利用斜拉橋主梁損傷會引起恒載內(nèi)力重分布從而引起斜拉［１４］索張力的變化這一原理，提出利用索張力變化來進(jìn)行斜拉橋的損傷識別的新方法。孫宗光等首次探討了斜拉索張力指標(biāo)和神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合對橋面損傷的定位方法，該方法僅需少量斜拉索（１
6、２根）的張力指標(biāo)，便實現(xiàn)了良好的識別效果。但該方法是根據(jù)事先假定的損傷位置來選擇斜拉索，由于實際情況中損傷是未知的，無法據(jù)此選擇斜拉索，因此使得該方法在實際應(yīng)用中存在一定的盲目性和不確定性。收稿日期：２０１４０５０５責(zé)任編輯：車軒玉ＤＯＩ：１０．１３３１９／ｊ．ｃｎｋｉ．ｓｊｚｔｄｄｘｘｂｚｒｂ．２０１５．０１．０４作者簡介：趙世英（１９８５-），男，碩士研究生，主要從事大跨橋梁結(jié)構(gòu)損傷識別的研究。Ｅ-ｍａｉｌ：ｚｈｓｈｉｙｉｎｇ＠１６３．ｃｏｍ基金項目：河北省自然科學(xué)基金（Ｅ２０１２２１００６１）；河北省
7、教育廳重點項目（Ｚｈ２０１２０６８）；河北省科學(xué)技術(shù)研究與發(fā)展計劃項目（１１２１５６１１Ｄ）趙世英，李延強．基于粒子群優(yōu)化支持向量機的斜拉橋主梁損傷識別研究［Ｊ］．石家莊鐵道大學(xué)學(xué)報：自然科學(xué)版，２０１５，２８（１）：１７-２１．１８石家莊鐵道大學(xué)學(xué)報（自然科學(xué)版）第２８卷有鑒于此，現(xiàn)提出了利用粒子群優(yōu)化支持向量機方法（ＰＳＯ-ＳＶＭ）結(jié)合最敏感斜拉索張力指標(biāo)對斜拉橋主梁進(jìn)行損傷識別研究的新方法。該方法在已修正的有限元模型的基礎(chǔ)上，首先利用敏感性分析確定對斜拉橋主梁損傷最敏感的斜拉索；然后根據(jù)主梁不同位置、
8、不同程度的損傷工況仿真，采集各種損傷工況下最敏感索的張力數(shù)據(jù)，計算其張力指標(biāo)，并以此最敏感索張力指標(biāo)作為損傷識別指標(biāo)，采用ＰＳＯ-ＳＶＭ方法對主梁損傷進(jìn)行識別。通過數(shù)值模擬驗證了該方法的有效性。1支持向量機分類算法支持向量機的主要思想為：給定訓(xùn)練樣本，支持向量機建立一個最優(yōu)超平面作為決策平面，使得正例和反例之間的分離邊緣被最大化。非線性支持向量機首先通過非線性映射矱（x）將輸入變量變換到高維特征空間，然后在高維特
