CN103543026A - 基于振动传递率函数和支持向量机的结构损伤识别方法 - Google Patents
基于振动传递率函数和支持向量机的结构损伤识别方法 Download PDFInfo
- Publication number
- CN103543026A CN103543026A CN201310502959.0A CN201310502959A CN103543026A CN 103543026 A CN103543026 A CN 103543026A CN 201310502959 A CN201310502959 A CN 201310502959A CN 103543026 A CN103543026 A CN 103543026A
- Authority
- CN
- China
- Prior art keywords
- structural damage
- damage
- vibration transmissibility
- function
- support vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及结构损伤识别领域,特别涉及一种基于振动传递率函数和支持向量机的结构损伤识别方法,利用加速度响应构造振动传递率函数,将振动传递率函数的幅值作为分析信号,通过小波包分解与重构获得各频带信号,并计算得到各频带信号的能量E Nj ,将结构损伤前后各频带信号的能量的变化量⊿E Nj 作为损伤特征指标,利用支持向量机的模式识别功能进行结构损伤识别。本发明的结构损伤识别方法不受激励幅值影响,同时避免了神经网络结构难于确定以及易陷于局部极小化等问题的结构损伤识别方法,可操作性强,提高了处理精度,简化了损伤识别过程。
Description
技术领域
本发明涉及结构损伤识别领域,特别涉及一种基于振动传递率函数和支持向量机的结构损伤识别方法。
背景技术
由于受到各种荷载的作用以及环境因素的影响,土木工程结构在服役期间会出现不同程度的损伤,若不及时发现并采取措施,后果不堪设想,因此有必要进行结构的损伤识别研究。迄今为止,人们研究并提出了许多结构损伤识别方法,其中,基于振动响应分析的结构损伤识别方法是一种很有前途的方法。
目前,直接将结构的加速度响应作为分析信号进行小波包分解与重构,计算各频带的能量,将结构损伤前后的各频带能量差,作为结构损伤特征向量,通过神经网络进行结构损伤识别时,会受到激励幅值的影响,同时还会遇到神经网络结构难于确定以及易陷于局部极小化等问题。
发明内容
本发明针对直接利用结构加速度响应,结合小波包分解和神经网络进行结构损伤识别时,会受到激励幅值的影响,同时还会遇到神经网络结构难于确定以及易陷于局部极小化等问题,提供了一种不受激励幅值影响,避免了神经网络结构难于确定以及易陷于局部极小化等问题的结构损伤识别方法。
本发明所采取的技术方案是:一种基于振动传递率函数和支持向量机的结构损伤识别方法,具体步骤如下:
步骤1:获取结构损伤前后部分测点的加速度响应信号,通过傅里叶变换计算振动传递率函数:
式中,Ai(ω),Aj(ω)为响应信号的傅里叶变换;
步骤2:将振动传递率函数的幅值作为分析信号,对其进行N层小波包分解,得到从低频到高频2N个频带成分的特征信号DNj,j=1,2,3,…,2N。对小波包分解系数进行重构,提取各频带范围的信号,计算各频带信号的能量:
式中,djk为重构信号DNj的第k个离散点的幅值,n表示重构信号DNj的离散点的个数,j=0,l,…,2N-1,k=1,2,…,n;
小波包分解将频带进行多层次划分,这些分解频带信号都具有一定的能量,不同损伤的频带能量分布不同,所以频带能量的相对变化可以反映不同的损伤类型,这里将结构损伤前后振动传递率函数幅值的小波包分解能量变化量⊿ENj作为损伤特征指标;
步骤3:将步骤(2)所得的⊿ENj的损伤特征指标,利用支持向量机的模式识别功能进行结构损伤识别。支持向量机是建立在统计学习理论和结构风险最小原理基础之上的,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳平衡,以求获得最好的推广能力,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。由于支持向量机是一个二次优化问题,所得到的解是全局最优,从而避免了人工神经网络的网络结构难于确定以及易陷于局部极小化等问题。
本发明的有益效果是:本发明提供的基于振动传递率函数和支持向量机的结构损伤识别方法,先利用加速度响应构造传递率函数,而传递率函数不受激励幅值影响,将传递率函数的幅值取代加速度响应作为分析信号进行结构损伤识别,可以不受激励幅值的影响,由于利用支持向量机的模式识别功能取代了神经网络进行结构损伤识别,避免了利用神经网络时遇到的网络结构难于确定以及易陷于局部极小化的问题,可操作性强,提高了处理精度,简化了损伤识别过程。
附图说明
图1为本发明所述的结构损伤识别方法的流程图。
具体实施方式
本发明的具体实施方式如下:
一种基于振动传递率函数和支持向量机的结构损伤识别方法,所述流程图见图1,具体步骤如下:
步骤1:获取结构损伤前后部分测点的加速度响应信号,通过傅里叶变换计算振动传递率函数:
式中,Ai(ω),Aj(ω)分别为a,b点响应信号的傅里叶变换;
步骤2:将振动传递率函数的幅值作为分析信号,对其进行N层小波包分解,得到从低频到高频2N个频带成分的特征信号DNj,j=1,2,3,…,2N。对小波包分解系数进行重构,提取各频带范围的信号,计算各频带信号的能量:
式中,djk为重构信号DNj的第k个离散点的幅值,n表示重构信号DNj的离散点的个数,j=0,l,…,2N-1,k=1,2,…,n;
小波包分解将频带进行多层次划分,这些分解频带信号都具有一定的能量,不同损伤的频带能量分布不同,所以频带能量的相对变化可以反映不同的损伤类型,这里将结构损伤前后振动传递率函数幅值的小波包分解能量变化量⊿ENj作为损伤特征指标;
步骤3:将步骤(2)所得的⊿ENj的损伤特征指标,利用支持向量机的模式识别功能进行结构损伤识别。确定结构可能的损伤工况数n,计算每种工况相应的样本(损伤特征指标)数m,选取其中的m1个样本作为训练支持向量机的数据,余下的(m-m1)个样本作为测试数据。
Claims (1)
1.一种基于振动传递率函数和支持向量机的结构损伤识别方法,其特征在于包括如下步骤:
步骤1:获取结构损伤前后部分测点的加速度响应信号,通过傅里叶变换计算振动传递率函数:
式中,Ai(ω),Aj(ω)为响应信号的傅里叶变换;
步骤2:对步骤(1)所得的振动传递率函数的幅值进行N层小波包分解与重构,提取各频带范围的信号,计算各频带信号的能量:
式中,djk为重构信号DNj的第k个离散点的幅值,n表示重构信号DNj的离散点的个数,j=0,l,…,2N-1,k=1,2,…,n;
将结构损伤前后振动传递率函数幅值的小波包分解能量变化量⊿ENj作为损伤特征指标。
步骤3:将步骤(2)所得的⊿ENj的损伤特征指标,利用支持向量机的模式识别功能进行结构损伤识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310502959.0A CN103543026B (zh) | 2013-10-23 | 2013-10-23 | 基于振动传递率函数和支持向量机的结构损伤识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310502959.0A CN103543026B (zh) | 2013-10-23 | 2013-10-23 | 基于振动传递率函数和支持向量机的结构损伤识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103543026A true CN103543026A (zh) | 2014-01-29 |
CN103543026B CN103543026B (zh) | 2015-07-01 |
Family
ID=49966699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310502959.0A Active CN103543026B (zh) | 2013-10-23 | 2013-10-23 | 基于振动传递率函数和支持向量机的结构损伤识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103543026B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104634870A (zh) * | 2014-12-24 | 2015-05-20 | 同济大学 | 一种基于振动响应测试的隧道结构损伤识别装置 |
CN108549847A (zh) * | 2018-03-27 | 2018-09-18 | 昆明理工大学 | 一种无基准数据条件下的梁式结构裂缝损伤识别方法 |
CN108734060A (zh) * | 2017-04-18 | 2018-11-02 | 香港理工大学深圳研究院 | 一种高速动车组车轮多边形化的识别方法及装置 |
CN109815940A (zh) * | 2019-03-05 | 2019-05-28 | 韦灼彬 | 小波包能量谱法损伤识别方法 |
WO2020156348A1 (zh) * | 2019-01-31 | 2020-08-06 | 青岛理工大学 | 基于总体经验模态分解与卷积神经网络的结构损伤识别法 |
CN113627048A (zh) * | 2021-07-12 | 2021-11-09 | 暨南大学 | 基于局部传递率函数与模式匹配的结构损伤快速识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102128788A (zh) * | 2010-12-21 | 2011-07-20 | 东南大学 | 基于改进自然激励技术的钢框架损伤诊断方法 |
CN102243133A (zh) * | 2011-04-02 | 2011-11-16 | 中北大学 | 基于运动形态和冲击信号分析的高速自动机故障诊断方法 |
CN103076177A (zh) * | 2013-01-16 | 2013-05-01 | 昆明理工大学 | 一种基于振动检测的滚动轴承故障检测方法 |
-
2013
- 2013-10-23 CN CN201310502959.0A patent/CN103543026B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102128788A (zh) * | 2010-12-21 | 2011-07-20 | 东南大学 | 基于改进自然激励技术的钢框架损伤诊断方法 |
CN102243133A (zh) * | 2011-04-02 | 2011-11-16 | 中北大学 | 基于运动形态和冲击信号分析的高速自动机故障诊断方法 |
CN103076177A (zh) * | 2013-01-16 | 2013-05-01 | 昆明理工大学 | 一种基于振动检测的滚动轴承故障检测方法 |
Non-Patent Citations (1)
Title |
---|
何浩祥等: "基于支持向量机的钢筋混凝土桥梁损伤识别", 《公路交通科技》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104634870A (zh) * | 2014-12-24 | 2015-05-20 | 同济大学 | 一种基于振动响应测试的隧道结构损伤识别装置 |
CN108734060A (zh) * | 2017-04-18 | 2018-11-02 | 香港理工大学深圳研究院 | 一种高速动车组车轮多边形化的识别方法及装置 |
CN108549847A (zh) * | 2018-03-27 | 2018-09-18 | 昆明理工大学 | 一种无基准数据条件下的梁式结构裂缝损伤识别方法 |
CN108549847B (zh) * | 2018-03-27 | 2022-04-12 | 昆明理工大学 | 一种无基准数据条件下的梁式结构裂缝损伤识别方法 |
WO2020156348A1 (zh) * | 2019-01-31 | 2020-08-06 | 青岛理工大学 | 基于总体经验模态分解与卷积神经网络的结构损伤识别法 |
AU2020214409B2 (en) * | 2019-01-31 | 2022-07-28 | Qingdao university of technology | Structural damage identification method based on ensemble empirical mode decomposition and convolution neural network |
CN109815940A (zh) * | 2019-03-05 | 2019-05-28 | 韦灼彬 | 小波包能量谱法损伤识别方法 |
CN113627048A (zh) * | 2021-07-12 | 2021-11-09 | 暨南大学 | 基于局部传递率函数与模式匹配的结构损伤快速识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103543026B (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103543026B (zh) | 基于振动传递率函数和支持向量机的结构损伤识别方法 | |
Araújo et al. | Operational modal analysis using SVD of power spectral density transmissibility matrices | |
CN102841835B (zh) | 硬件性能评测的方法及系统 | |
CN106525226B (zh) | 一种基于现场振动载荷识别的评估方法及系统 | |
CN104299033B (zh) | 基于布谷鸟搜索和粒子滤波混杂算法的漏磁缺陷重构方法 | |
CN106323451B (zh) | 通过加速信号获得位移信号的方法及其装置 | |
CN104453874A (zh) | 一种基于核磁共振的砂砾岩储层含油饱和度的计算方法 | |
CN104462695A (zh) | 双耦合Duffing振子与变尺度相结合的微弱信号检测方法 | |
CN103344482A (zh) | 一种基于计算反求的混凝土材料动态本构参数识别方法 | |
CN102661782B (zh) | 一种超低频振动参数量值的快速测量方法 | |
CN104122031A (zh) | 一种基于极限学习机的硅压力传感器温度补偿方法 | |
CN105021210A (zh) | Mems陀螺仪随机漂移误差的处理方法 | |
CN103528844B (zh) | 基于经验模态分解的结构损伤预警方法 | |
Li et al. | Automatic modal parameter identification of high arch dams: feasibility verification | |
Sadhu et al. | Decentralized modal identification of a pony truss pedestrian bridge using wireless sensors | |
CN102927894B (zh) | 一种电涡流检测系统及方法 | |
CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及系统 | |
CN106093569A (zh) | 导航信号测量方法、系统与导航设备在线诊断方法、系统 | |
Li et al. | Operational modal analysis of structures by stochastic subspace identification with a delay index | |
Mimoglou et al. | Determination of the parameters of the directivity pulse embedded in near-fault ground motions and its effect on structural response | |
CN103699010B (zh) | 一种基于继电器位置反馈时域特征的伺服系统辨识方法 | |
CN105404734B (zh) | 铁磁谐振过电压类型的识别方法和系统 | |
CN105574306A (zh) | 一种在强度有限元分析中获取理论应变的方法 | |
CN105572077B (zh) | 一种气体瑞利布里渊散射频谱信号复原方法 | |
CN103837772B (zh) | 一种基于加速寿命试验的低功耗采集系统寿命评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |