学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的桥梁结构健康监测变形数据的研究

作　者: 张佳
导　师: 于重重
学　校: 北京工商大学
专　业: 控制理论与控制工程
关键词: 桥梁结构健康监测变形最小二乘支持向量机分类预测
分类号: TP274
类　型: 硕士论文
年　份: 2010年
下　载: 83次
引　用: 0次
阅　读: 论文下载

内容摘要

近些年来,大型桥梁的结构健康问题已被日渐关注。桥梁在长期的使用过程中,因为地震、风暴等自然因素或者维护不当、车祸船撞事故等人为因素,导致桥梁结构受到各种损伤。若这些损伤不能被及时发现和适当处理,将有可能造成严重事故的发生。因此,对桥梁结构健康状况的实时监测和评估就显得尤其的重要。支持向量机(SVM)作为统计学习方法,已被广泛的应用于模式识别、回归等多个领域研究中。本文针对支持向量机对于小样本数据优越的分类以及预测性能,以杭州湾跨海大桥实际监测的变形值作为研究对象,通过构建分类预测模型,验证构建的分类预测模型能否应用于桥梁结构健康状态评估中。变形作为静态监测参数之一,主要表征桥梁主跨及其边跨的线形变化情况。本文通过对杭州湾跨海大桥所采集的变形原始进行分析,总结出所采集的变形数据呈现时序、非线性、小样本等特点,并且多个变形测点间的变形值存在着一定的变化规律。因此,本文基于单变形测点和多变形测点构建了两种实验样本,并针对常用小样本数据的处理方法中的灰色理论与SVM进行特点分析与比较,选择SVM作为研究方法。通过对SVM和最小二乘支持向量机(LS-SVM)的理论研究,以及多种支持向量机的性能比较,最终基于LS-SVM作为主要研究方法,径向基(RBF)核函数作为主要核函数,构造了单测点实验样本模型(SMPS)和多测点实验样本模型(MMPS),并通过多种方案的分类与预测实验,对模型的性能进行验证。本文在实验的基础上,设计并开发了基于MATLAB与Visual Studio2008相交互的数据分析平台,主要实现了实验数据查询、样本构造、算法调用等功能。实验结果表明,基于LS-SVM的两种分类预测模型具有良好的性能,同时多测点样本模型表现出更优的性能,从而说明本文构造的分类预测模型能够准确的对桥梁结构健康状况进行评估。

基于支持向量机的桥梁结构健康监测变形数据的研究

内容摘要

全文目录

相似论文