检索结果-内蒙古大学图书馆

振动工程学报 2020年第5期33卷 1062-1072页

作者：聂振华杨卫星程良彦马宏伟暨南大学力学与建筑工程学院广东广州510632 “重大工程灾害与控制”教育部重点实验室广东广州510632 河南理工大学土木工程学院河南焦作454000 东莞理工学院生态环境与建筑工程学院广东东莞523808

提出了联合移动主成分分析与传递熵的识别方法进行桥梁结构损伤定位。首先以桥梁跨中位置作为分界点,将安装的传感器分成两等份,构成两部分原始数据矩阵。定义一移动窗口分别同步截取两个数据矩阵,将窗口内数据进行主成分分析计算。在... 详细信息

提出了联合移动主成分分析与传递熵的识别方法进行桥梁结构损伤定位。首先以桥梁跨中位置作为分界点,将安装的传感器分成两等份,构成两部分原始数据矩阵。定义一移动窗口分别同步截取两个数据矩阵,将窗口内数据进行主成分分析计算。在时间轴上移动窗口,得到对应两个第一特征值时间序列。再使用窗口化的传递熵方法对两个第一特征值时间序列进行传递熵计算,并提取出新的损伤因子。利用移动车辆经过损伤位置时,损伤因子产生突变来定位损伤。引入单边上限阈值理论,增强方法的鲁棒性。数值模拟和实验结果均表明,此方法能够较精确定位损伤。此方法无需建立结构有限元模型作为基础,为一种数据驱动方法,适用于实际工程。

关键词：损伤识别桥梁移动主成分分析传递熵移动窗口

来源：评论

学校读者我要写书评

暂无评论

基于移动主成分分析敏感特征的智能损伤识别方法

引用

实验力学 2024年第6期39卷 672-684页

作者：李超周立成刘泽佳张红张舸刘逸平蒋震宇杨宝汤立群华南理工大学土木与交通学院华南理工大学亚热带建筑科学国家重点实验室广东工业大学土木与交通工程学院

为了提高现有方法对结构微小损伤的识别准确率，本文基于移动主成分分析(Moving Principal Component Analysis, MPCA)方法提出了一种新型损伤敏感特征——多阶PCA(Principal Component Analysis, PCA)损伤敏感特征。本文将这一新型敏... 详细信息

为了提高现有方法对结构微小损伤的识别准确率，本文基于移动主成分分析(Moving Principal Component Analysis, MPCA)方法提出了一种新型损伤敏感特征——多阶PCA(Principal Component Analysis, PCA)损伤敏感特征。本文将这一新型敏感特征作为机器学习的输入，预测受损位置和损伤程度。首先，对监测数据做MPCA分析，并基于方差累积率确定特征向量阶数；其次，通过对各阶特征向量进行内积运算，获得多阶敏感特征(Multi-Order Sensitive Features, MOSF);最后，将多阶敏感特征作为机器学习算法的输入，对结构开展损伤位置和损伤程度的损伤识别研究。基于双跨连续梁的数值实验结果发现：相比于直接采用传统的PCA特征向量作为损伤特征，本文所提出的新型敏感特征对损伤具有更好的灵敏度。结合新型敏感特征与机器学习的损伤识别方法，在损伤位置和损伤程度任务中均具备较高的准确率和稳健的鲁棒性。即使在信噪比为10dB的高强度噪声环境下，本文所提出的损伤识别方法在损伤位置和损伤程度识别任务中也具备高于80%的预测准确率。

关键词：结构健康监测移动主成分分析损伤敏感特征损伤识别机器学习

来源：评论

学校读者我要写书评

暂无评论

基于移动主成分分析与集成学习的结构损伤识别方法

引用

济南大学学报（自然科学版） 2023年第1期37卷 116-126页

作者：周颖刘泽佳张舸周立成刘逸平汤立群蒋震宇杨宝华南理工大学土木与交通学院广东广州510641 广东省建筑科学研究院集团股份有限公司广东广州510599

为了提高结构损伤定量和定位的准确率,提出基于移动主成分分析与集成学习的结构损伤识别方法;利用移动主成分分析对原始应变响应数据进行特征分析,得到包含损伤信息的第一、第二特征向量,将两者相结合所得的组合特征向量作为损伤指标输... 详细信息

为了提高结构损伤定量和定位的准确率,提出基于移动主成分分析与集成学习的结构损伤识别方法;利用移动主成分分析对原始应变响应数据进行特征分析,得到包含损伤信息的第一、第二特征向量,将两者相结合所得的组合特征向量作为损伤指标输入集成学习模型,进行结构损伤程度和损伤位置预测;采用双跨平面梁的仿真应变监测数据,对所提出的结构损伤识别方法的有效性进行验证,对比分别以第一、第二、组合特征向量作为输入的分类模型的损伤定量和定位的准确率。结果表明:在一定强度的噪声条件下,组合特征向量能同时具备第一、第二特征向量的优点,并且能克服单个特征向量的局限,获得优异的损伤识别性能和抗噪性;在信噪比为40 dB的弱噪声情况下,将组合特征向量输入集成学习模型进行损伤定量和定位,准确率分别可达98.9%、99.0%,在信噪比为10 dB的强噪声情况下准确率仍分别可达82.3%、73.2%。

关键词：结构健康监测损伤识别移动主成分分析集成学习组合特征向量

来源：评论

学校读者我要写书评

暂无评论

基于移动主成分分析敏感特征的结构智能损伤识别研究

基于移动主成分分析敏感特征的结构智能损伤识别研究

引用

作者：李超华南理工大学

学位级别：硕士

随着社会经济的发展和基础设施建设的不断完善,桥梁等大型结构已经成为交通网络的重要组成部分,保障其安全运行具有重要意义。结构健康监测系统在结构服役期间积累了大量的健康监测数据,但从海量健康监测数据中挖掘能直观反映结构健康... 详细信息

随着社会经济的发展和基础设施建设的不断完善,桥梁等大型结构已经成为交通网络的重要组成部分,保障其安全运行具有重要意义。结构健康监测系统在结构服役期间积累了大量的健康监测数据,但从海量健康监测数据中挖掘能直观反映结构健康状况的信息并进行结构损伤识别是研究难点之一。本文基于移动主成分分析(Moving Principal Component Analysis,MPCA)发展多阶MPCA损伤敏感特征,并结合机器学习算法开展结构损伤识别研究。结果表明,相比其他MPCA特征,所提出的新型损伤敏感特征具有更好的灵敏度和精度,结合新型MPCA敏感特征与人工智能算法在损伤定位和定量任务中具有高准确率和稳健的鲁棒性。本文主要研究内容如下:(1)通过健康监测系统所采集的温度数据探究桥梁沿梁高方向的不均匀温度场,根据实测温度数据拟合温度梯度,研究温度梯度变化规律,拟合结果表明桥梁温度梯度随时间不断变化,采用单一梯度类型的温度曲线模拟桥梁实际温度荷载并不合理。将拟合得到的温差曲线作为温度荷载,基于双跨平面梁模型和框架模型,建立包含大量损伤工况的长期健康监测模拟应变数据集。(2)传统PCA的损伤识别方法通常只关注第一特征向量和第二特征向量,忽略了第三阶及以上的高阶特征向量所含有的结构损伤信息,难以实现对结构小微损伤的高精度识别。基于现有研究对高阶特征向量的损伤信息挖掘不足,本文由MPCA多阶特征向量发展得到损伤敏感特征,并将其与其他MPCA特征比较,验证了损伤敏感特征作为输入,在不同噪声环境下的损伤识别准确率更高;且在SNR10噪声下,对小微损伤的优势更加明显。双跨平面梁和框架结构的损伤识别结果表明,新型MPCA损伤敏感特征对远离传感器处的小微损伤识别具有更稳健的鲁棒性。(3)由于数值仿真有限元模型的损伤识别条件过于理想,因此需要通过实验对损伤识别方法的有效性和可靠性进行进一步验证。本文基于双跨方管梁实验平台,通过温度荷载实验探究方管梁加热和散热过程中温度梯度变化规律,并采用附加质量的方式模拟结构损伤,将所采集的应变数据作为长期健康监测数据,识别不同的损伤工况。实验结果表明,梁高方向的温度梯度不断变化,且SNR10噪声下,MPCA损伤敏感特征相对于其他损伤指标具有更高的识别准确率和更稳健的鲁棒性。

关键词：结构健康监测移动主成分分析损伤敏感特征损伤识别机器学习

来源：评论

学校读者我要写书评

暂无评论

基于移动主成分分析与混合并行网络模型的结构损伤识别研究

基于移动主成分分析与混合并行网络模型的结构损伤识别研究

引用

作者：周颖华南理工大学

学位级别：硕士

随着现代交通体系的不断完善,桥梁已然成为了交通设施的重要组成部分,因此对大型桥梁进行结构健康监测具有重要的意义。结构健康监测系统在长期的运行过程中积累了海量的测量数据,如何从这些含有大量噪声的数据中挖掘出表征结构健康状... 详细信息

随着现代交通体系的不断完善,桥梁已然成为了交通设施的重要组成部分,因此对大型桥梁进行结构健康监测具有重要的意义。结构健康监测系统在长期的运行过程中积累了海量的测量数据,如何从这些含有大量噪声的数据中挖掘出表征结构健康状态的内在特征、并融合这些损伤敏感特征进而建立高效、准确的损伤识别方法仍然是一个具有挑战性的问题。本文立足于双跨平面梁模型和IASC-ASCE SHM Benchmark模型的结构静态应变监测数据,提出一种基于移动主成分分析与混合并行网络模型的结构损伤识别方法。主要研究工作及结论如下:(1)基于移动主成分分析提出了一个新的损伤指标,该指标为结合了第一特征向量和第二特征向量的组合特征向量。利用决策树、随机森林、极端梯度提升等机器学习方法搭建的智能损伤识别模型对结构损伤的程度和位置进行检测,对比了分别以组合特征向量和传统的单个特征向量(第一特征向量或第二特征向量)为输入时损伤识别模型的检测性能。数值仿真结果表明,组合特征向量在损伤定位、损伤定量和鲁棒性几个方面的表现都优于传统的单个特征向量,说明组合特征向量对损伤更敏感,能更有效地表征结构的健康状态。(2)基于深度学习的卷积神经网络框架构建了一个混合并行网络模型。该模型的特征提取模块在卷积层的基础上增加了一条由自注意力机制组成的Transformer Encoder分支,卷积层侧重于数据的局部信息的捕获,Transformer Encoder侧重于全局信息的捕获,两者所提取的特征进行融合之后作为多任务分类模块的输入,从而同步进行损伤的定位和定量。利用数值模拟证明了该混合并行网络在损伤识别任务中的表现优于传统的卷积神经网络以及其他并行网络。最后,将所提出的新的损伤指标与该混合并行网络相结合,建立了以组合特征向量为输入的混合并行网络模型,并利用双跨平面梁和IASC-ASCE SHM Benchmark结构的模拟监测数据证明了该方法具有更优秀的损伤识别性能。

关键词：结构健康监测结构损伤识别移动主成分分析卷积神经网络 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于联合移动主成分分析与传递熵的桥梁损伤识别方法

基于联合移动主成分分析与传递熵的桥梁损伤识别方法

引用

作者：杨卫星暨南大学

学位级别：硕士

桥梁结构长期处在外部环境中,在各种因素下,结构材料会出现老化,导致结构性能和承载能力出现下降,进而影响交通的正常运营,因此对桥梁结构进行健康监测就显得尤为重要。目前,结构健康监测在土木工程中已经取得了一定的成果,但是在监测... 详细信息

桥梁结构长期处在外部环境中,在各种因素下,结构材料会出现老化,导致结构性能和承载能力出现下降,进而影响交通的正常运营,因此对桥梁结构进行健康监测就显得尤为重要。目前,结构健康监测在土木工程中已经取得了一定的成果,但是在监测系统中安装的大量传感器导致耗资巨大的问题是一个急需解决的难题。本文针对这一问题,提出了一种联合移动主成分分析与传递熵的桥梁损伤识别方法,从采集到的信号中提取出损伤特征信息进行损伤定位,主要研究如下:(1)阐述了土木工程中结构健康监测意义,总结了结构损伤检测的识别方法,以及桥梁健康监测的研究现状和面临的难题。(2)阐述了车桥耦合振动理论,提出了一种基于联合移动主成分分析与传递熵的桥梁损伤识别方法。本文以移动荷载作用下的简支梁桥为研究对象,首先以桥梁跨中位置作为分界点,将安装的传感器分成两等份,所采集到的信号构成两部分原始数据矩阵。定义一移动窗口分别同步截取两数据矩阵,将窗口内数据进行主成分分析计算。在时间轴上移动窗口,得到对应两个第一特征值时间序列。再使用窗口化的传递熵方法对两个第一特征值序列进行传递熵计算,并提取出新的损伤因子。利用移动车辆经过损伤位置时,损伤因子产生突变来定位损伤。引入单边上限阈值理论,增强方法的鲁棒性。(3)数值模拟:利用ANSYS软件,采用板单元建立简支梁模型进行数值仿真,通过删除单元的方式制造损伤,利用瞬态分析模块对不同损伤位置、不同车辆速度下梁桥的动力响应进行计算。采集梁桥上各个观测点处的加速度信号,使用本文所提出的联合识别方法进行数据处理,结果表明,本方法能够精确定位损伤。(4)实验验证:利用一6m长的空心矩形钢梁模型进行实验验证。结果表明,桥梁模型在不同车辆速度下,本方法均能有效定位损伤,验证了该方法有效性和可靠性。

关键词：桥梁损伤识别移动主成分分析传递熵移动窗口

来源：评论

学校读者我要写书评

暂无评论

利用移动主成分分析识别结构损伤

引用

山西建筑 2021年第14期47卷 132-134,137页

作者：李欣郭恩国广州市启韵房地产开发有限公司广东广州510770 广州建设工程质量安全检测中心有限公司广东广州510440

针对主成分分析无法连续监测桥梁结构运营状态的问题,利用移动主成分分析识别桥梁结构损伤发生时刻。以简支梁为例,结合数值模拟和实验,分析动力响应数据,验证了该方法的准确性和有效性。仿真和实验结果都表明,利用移动主成分分析可以... 详细信息

针对主成分分析无法连续监测桥梁结构运营状态的问题,利用移动主成分分析识别桥梁结构损伤发生时刻。以简支梁为例,结合数值模拟和实验,分析动力响应数据,验证了该方法的准确性和有效性。仿真和实验结果都表明,利用移动主成分分析可以准确地识别损伤发生时刻,监测出桥梁运行状态下的损伤行为,对土木工程结构的长期监测具有重要意义。

关键词：随机荷载损伤识别结构健康监测移动主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于移动时间窗和时空窗主成分分析组合特征的损伤识别方法

引用

实验力学 2023年第1期38卷 17-27页

作者：魏能周立成张舸刘泽佳刘逸平蒋震宇杨宝汤立群华南理工大学土木与交通学院华南理工大学亚热带建筑科学国家重点实验室广东省建筑工程集团有限公司建筑科学研究院

近年来，机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明，设计良好的输入特征能够适应多种算法，从而减少调参时间和计算成本，并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特... 详细信息

近年来，机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明，设计良好的输入特征能够适应多种算法，从而减少调参时间和计算成本，并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特征组合作为机器学习输入，使用双跨平面梁有限元模型生成的模拟应变数据对组合特征的损伤识别效果进行验证。结果表明，良好的特征向量组合对损伤更加敏感，不仅有助于识别在传感器周围发生的损伤，而且能有效地定位结构边缘和远离传感器位置处的损伤，从而提高算法的损伤识别效果。此外，多种噪声强度下的实验表明，组合特征具有良好的鲁棒性，能较好地适应外界环境的变化。

关键词：移动主成分分析时空窗主成分分析组合特征机器学习损伤识别

来源：评论

学校读者我要写书评

暂无评论

基于组合荷载响应特征融合的桥梁结构智能损伤识别方法

引用

实验力学 2023年第2期38卷 151-164页

作者：钟玉琪张红张舸周立成刘泽佳刘逸平蒋震宇杨宝汤立群华南理工大学土木与交通学院华南理工大学亚热带建筑科学国家重点实验室广东省建筑科学研究院集团股份有限公司

桥梁在运营过程中面临着组合荷载的复杂环境，因此发展组合荷载下的损伤识别方法具有重要意义。本文提出了一种基于组合荷载响应特征融合的桥梁结构智能损伤识别方法，基于移动主成分分析对自重静载、温度准静态荷载、动态荷载下的结构... 详细信息

桥梁在运营过程中面临着组合荷载的复杂环境，因此发展组合荷载下的损伤识别方法具有重要意义。本文提出了一种基于组合荷载响应特征融合的桥梁结构智能损伤识别方法，基于移动主成分分析对自重静载、温度准静态荷载、动态荷载下的结构响应数据分别进行特征挖掘，并将不同荷载下第一特征向量的组合作为机器学习模型的输入，建立结构的损伤识别方法。最后，以双跨连续梁的仿真模型进行了验证，研究结果表明，即使在大噪声水平下，以组合荷载特征向量进行损伤定位和定量的准确率分别可达91.65%和97.22%,比传统的单荷载下的准确率最高分别提升了32.40%和18.00%,表现出优异的损伤检测性能和抗噪性。

关键词：结构健康监测损伤识别移动主成分分析组合荷载特征融合机器学习

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的桥梁损伤识别研究

基于机器学习的桥梁损伤识别研究

引用

作者：梁杰明华南理工大学

学位级别：硕士

桥梁是交通运输设施中的重要组成部分。我国大型桥梁发展迅速,日常运营管理压力增大,而且桥梁损伤没有得到及时修复会造成灾难性后果。桥梁监测数据中含有大量桥梁结构信息,合理使用这些监测数据能够及时了解桥梁状态,识别桥梁损伤,提... 详细信息

桥梁是交通运输设施中的重要组成部分。我国大型桥梁发展迅速,日常运营管理压力增大,而且桥梁损伤没有得到及时修复会造成灾难性后果。桥梁监测数据中含有大量桥梁结构信息,合理使用这些监测数据能够及时了解桥梁状态,识别桥梁损伤,提高桥梁运营效率。然而,目前仍缺乏监测数据挖掘的有效手段,如何从桥梁监测数据中挖掘损伤信息、识别结构损伤,仍然是一个难题,且多损伤识别问题仍缺乏系统研究。本文基于双跨梁模型,探索桥梁损伤识别问题,主要开展了以下工作:(1)建立了单损伤桥梁的响应数据集以及多损伤桥梁的响应数据集,为机器学习算法建立数据基础分析了损伤状态对桥梁响应的影响规律;(2)比较了支持向量机(support vector machine,SVM)模型、k近邻(k-nearest neighbort,k NN)模型、决策树(decision tree,DT)模型以及多层感知机(multilayer perceptron,MLP)模型的损伤识别能力,针对原始数据训练得到的模型抗噪声干扰能力差的缺点,使用主成分分析(moving principal components analysis,MPCA)方法提取特征向量作为输入,提高了模型的识别准确率以及抗噪声干扰能力,结果表明,使用MPCA方法提取数据特征向量作为输入,DT模型识别损伤能获得最佳效果;(3)进一步研究了DT模型的泛化能力,证明了使用MPCA特征向量训练的DT模型能够根据训练集样本没有的工况的数据对桥梁进行诊断,且能够根据损伤数量比训练集中样本多的工况的数据,对桥梁进行诊断。

关键词：结构健康监测移动主成分分析特征向量决策树模型损伤识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：