运营实桥随机振动统计分析及结构安全性预譬方法研究

发布时间：2020-07-22 02:16

【摘要】：桥梁结构在实际运营中会受到环境侵蚀、材料老化与荷载长期效应、疲劳效应和突变效应等多种因素的影响,导致结构强度降低和损伤累积等问题。近年来,国内外突发的桥梁塌毁事故引起了社会的广泛关注,同时运营桥梁的结构健康监测研究也迅速发展。本文以模型试验及实桥健康监测数据为基础,对结构随机振动加速度响应进行统计分析,结合支持向量机方法实现了对模型结构的损伤识别,并提出了运营实桥结构安全性预警的方法,具体工作如下:(1)对框架模型实测加速度数据的均值、方差、偏度和峰度等统计特征进行了损伤敏感性分析,验证了方差指标对结构损伤的敏感性,对其损伤判定及定位能力展开了讨论。对加速度时程响应的概率密度函数和累积分布函数的分析表明,两个指标对多种损伤工况具有判定能力,但无法实现对于损伤的定位。(2)比较分析了结构随机振动加速度响应的方差、回归系数和互相关函数幅值向量等三个统计特征量的损伤识别能力,结果表明以单个特征量作为支持向量机的输入向量,对结构损伤识别精度有限,如将三个特征量融合,构建更高维的输入向量,识别精度提高到100%。通过添加高斯白噪声,验证了支持向量机进行损伤识别的方法具有良好的抗噪鲁棒性。(3)引入了特征工程的方法,在保证结构损伤识别精度的前提下降低支持向量机特征向量的维度,减少计算量,但是模型试验数据的分析结果表明,保留下来的特征因子并不固定,该方法在实际使用当中具有局限性。(4)针对运营实桥海量监测数据提出一种新的加速度响应分析方法,将结构的环境激振和车致振动进行分离,分别讨论了两部分加速度响应的统计分布模式。(5)以运营桥梁实测加速度响应的均值、方差和六个分位点构建八维特征向量,建立了基于单分类支持向量机的结构安全性预警方法。以78天的统计数据为样本库,采用一类支持向量机(OCSVM)和支持向量数据描述(SVDD)两种方法对实桥数据进行了识别,结果表明OCSVM的识别精度优于SVDD,且随着训练样本库数量的增加识别精度会更高。以此提出了建立基于多点融合的一类支持向量机实桥结构安全性监测预警系统的方法。
【学位授予单位】：厦门大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U441.3
【图文】：

结构风险最小化,理论推导,支持向量机,经验风险

位论文逦第二章基于支持向量机的结构Ｒ｛０））＾Ｒｅｍｐ｛０））－＾（／＞｛ｒｉ／ｈ）＾／／，）邋＝邋＾（－－－＾１］￣ｌｎ（？７／４）必；）表示真实风险，表示经验风险，以《／／0表示置信风险，７７险与经验风险之间至少以（１－以的概率满足式（２－４）。逡逑（２－５）可以看出，当样本数量《有限时，若学习机器的ＶＣ维较高，，即使经验风险保持不变或者减小都不能使真实风险最小，这便是学能力之间存在的悖论。从公式中可以看出，要想通过减小经验风险来，则需要尽可能的采用ＶＣ维较低的学习机器，而为了使经验风险最小，数集。上述两个因素需要同时考虑，权衡取舍，以便得出理想结果。逡逑

最优分类超平面,可分,分类超平面,分类间隔

每种形状各自代表一类不同的样本，分类超平面Ｈ对两种样行，二者之间的距离为叫做分类间隔。最优分类超平面不仅能且能保证分类间隔最大，处于Ｈ１和Ｈ２上的点即为支持向量（Ｓ分类问题可以表述为：假如已有测试样本集Ｄ邋＝邋ｆｔｘ，，NB￥＇＝｜，其ｅ｛－ｌ，＋邋ｌ｝为输出空间。ｊｖ＾＿ｘ邋＋邋Ｓ邋＝邋0｝表示符合分类要求的所有超的形式可写为：逡逑ｗｘ邋＋邋／？邋＝邋０系数向量，ｂ为偏置，且存在以下关系：逡逑NB＋邋Ｚ？）－１邋２０，／邋＝邋１，２，＂．，”隔２／｜ｖｖ｜｜最大，也就是最小化｜ｎ｜２，于是将求解最优超平面转化此确定的最大间隔分类超平面是唯一的，问题可描述为：逡逑／邋１逡逑

线性不可分

只有少数样本ｘ；满足＋０－１邋＝邋０，根据ＫＫＴ条件，这些样本点对应的Ｌａｇｒａｎｇｅ乘逡逑子《，４邋＞邋０，其他多数样对应的Ｌａｇｒａｎｇｅ乘子０，这种属性也称为“稀疏性”。少数ａ；邋＞邋０逡逑对应的样本点落在图２－２中的ＨＩ和Ｈ２上，称之为支持向量；己知通过式（２－１２）可以逡逑求出法向量Ｖ，分类阀值ｆ能通过支持向量求解。逡逑实际情况中，大多数样本集并不是线性可分的，仅仅采用“硬间隔”的方法很难得到理逡逑想结果，因此采用“软间隔”方法，弓丨入松弛变量为得到最大分类间隔和最小分类误逡逑差放弃部分离群点（ｏｕｔｌｉｅｒ），式（２－８）可以改写成：逡逑ｍｉｎｆ—ｌｌｗｌｌ２邋＋ＣＹ＇＾．ｌ逡逑１２１１邋１１逦（２－１９）逡逑ｓｕｂｊｅｃｔ邋ｔｏ邋NB？邋（ｗ．ｘｙ邋＋邋６）邋—邋１邋＋邋委邋ｋ邋０，／邋＝邋１，２，？邋？邋．＂７逡逑其中，Ｃ＞０为惩罚因子，代表对离群样本点所带来损失的关注度。如下图所示：逡逑□邋＾；。。。逡逑口邋口邋口逦分类间隔＝２／｜｜ｗ｜｜逡逑图２－３线性不可分逡逑上述讨论都是针对线性分类器，若提供的样本线性不可分，则无法求解。唯一的解决方逡逑１４逡逑

【参考文献】