基于计算智能技术的桥梁结构损伤识别研究
【摘要】:
本文概述了桥梁结构损伤识别理论和计算智能技术等方面的内容,成功地将计算智能技术引入到桥梁结构的损伤识别中,并取了良好的效果。根据残余力向量的概念,把结构损伤识别问题转化成优化问题,并建立了适合结构损伤识别的多目标优化模型,为提高模型求解的准确性,利用灰色关联度能够很好地分析各非劣解与理想解之间的接近程度,并能掌握解空间全貌的特点,依据目标矢量序列和基准矢量序列之间的灰色关联度大小选取粒子群算法中的全局极值和个体极值,提出了适合高维多目标求解的灰色粒子群算法;利用支持向量机建立了一组待反演参数与各阶频率和一阶振型之间的函数关系,将所得到函数表达式与结构各阶实测频率和振型间的差异作为优化目标,建立了一个多目标优化模型,并用所提出的灰色粒子群算法进行求解;为提高神经网络的收敛速度,提出了基于局部学习的小波神经网络算法,并将该算法应用到桥梁结构损伤识别中,取得了较好的效果;为增强网络的泛化能力,提出了基于灰色聚类技术的神经网络集成方法,该方法改善了利用传统神经网络进行结构损伤识别时泛化能力低的情况。
算例结果表明,上述方法提高了桥梁结构损伤识别的效果,得到了具有学术理论指导价值和实际应用参考价值的结果。
|
|
|
|
1 |
张岐龙;单甘霖;段修生;尚裕萌;;基于小波支持向量机的模拟电路故障诊断[J];电光与控制;2010年05期 |
2 |
张晓龙;邱泽伟;张晓芳;;基于多目标优化的SVM多类分类方法[J];计算机工程与设计;2009年08期 |
3 |
于繁华,刘仁云,赵宏伟,臧雪柏,叶欣;改进的小波神经网络模型及应用[J];吉林大学学报(信息科学版);2005年05期 |
4 |
于繁华;刘寒冰;;基于支持向量机和粒子群算法的结构损伤识别[J];吉林大学学报(工学版);2008年02期 |
5 |
;计算技术与计算机科学[J];电子科技文摘;2003年01期 |
6 |
翟鸿雁;曾晋明;曾纪霞;;基于支持向量机的电力市场价格预测中的核函数比较[J];计算技术与自动化;2011年02期 |
7 |
崔江;王友仁;;基于聚类预处理和支持向量机的模拟电路故障诊断技术[J];计算机应用;2006年08期 |
8 |
王宇;吴峻;;SVM在光纤陀螺仪模型辨识中的应用[J];中国惯性技术学报;2008年01期 |
9 |
袁理;;基于灰色理论的车辆分类统计与流量预测[J];计算机与数字工程;2010年02期 |
10 |
乔弘;张全壮;吴蓉;;基于改进SMO算法的热工参数灰色软测量建模[J];自动化技术与应用;2010年10期 |
11 |
李元诚;方廷健;;小波支持向量机[J];模式识别与人工智能;2004年02期 |
12 |
王晅;陈伟伟;马建峰;;基于遗传算法和灰色关联分析的击键特征识别算法[J];计算机应用;2007年05期 |
13 |
田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期 |
14 |
张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期 |
15 |
阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期 |
16 |
朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期 |
17 |
侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期 |
18 |
马永军,方凯,刘暾东,方廷健;基于支持向量机和方差的管道内表面粗糙度等级识别[J];信息与控制;2002年05期 |
19 |
吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期 |
20 |
孙延风,梁艳春;支持向量机的数据依赖型核函数改进算法[J];吉林大学学报(理学版);2003年03期 |
|