基于随机森林算法的结构损伤识别

发布时间：2020-12-18 07:17

　　传统结构损伤识别需对采集数据进行复杂分析,提取相应力学特征来识别结构的损伤。利用传统方法或人工神经网络模型特征提取过程需消耗大量的计算成本,导致结构健康监测在线损伤识别存在一定的困难。为提高损伤识别的计算效率和自动化程度,提出随机森林算法的损伤识别方法,其特点是可通过对原始振动信号的简单数据特征提取,准确识别结构的损伤位置和损伤程度。研究设计了5根具有不同脱空状态的钢管混凝土构件,采用随机森林算法对钢管混凝土构件的脱空情况进行了识别。结果表明:随机森林算法可准确识别几种脱空工况,准确率为100%,验证了方法在实际结构损伤识别的应用可行性。 

【文章来源】：福建交通科技. 2020年05期

【文章页数】：4 页

【部分图文】：

决策树结构图

在分类算法的实际应用过程中，为解决决策树模型中常出现的过拟合问题，随机森林算法基于决策树模型和集成学习思想，利用Bootsrap重采样法对每次抽取数据进行决策树模型的训练与产生，通过随机抽取样本和随机选择分类特征增强对样本的扰动，以及模型泛化能力，提高随机森林模型的准确度。算法具体实现步骤如下：(1）对样本数M的原始数据集，通过Bootstrap重采样方法随机且有放回地选择N个样本作为单个决策树的训练样本。其中每个样本含S个特征类别，即构成N×S的子样本矩阵。

文献[12]设计了针对圆钢管混凝土脱空缺陷的振动试验，本次算例以该试验为研究对象，利用5根圆钢管混凝土试件进行钢管混凝土振动试验，包括健康状态试件1根，带冠形脱空试件4根，试件缺陷形式如图4所示，其中试件总长L=1200 mm，试件直径D=150 mm，局部脱空圆钢管混凝土试件脱空值ds=8 mm。图4 圆钢管混凝土冠形脱空缺陷形式示意图

【参考文献】：
期刊论文
[1]基于数据挖掘技术和随机森林算法对变压器的故障诊断[J]. 董伟广,钟建伟,张钦惠,周璨,李正刚,程明亮.  电力设备管理. 2020(03)
[2]改进随机森林算法在电机轴承故障诊断中的应用[J]. 李兵,韩睿,何怡刚,张晓艺,侯金波.  中国电机工程学报. 2020(04)
[3]结构损伤动力检测与健康监测研究现状与展望[J]. 朱宏平,余璟,张俊兵.  工程力学. 2011(02)
[4]基于MODIS数据的决策树分类方法研究与应用[J]. 刘勇洪,牛铮,王长耀.  遥感学报. 2005(04)
[5]数据挖掘中决策树算法的探讨[J]. 唐华松,姚耀文.  计算机应用研究. 2001(08)

硕士论文
[1]基于机器学习的混凝土徐变模型研究[D]. 龙云鹏.北京交通大学 2019



本文编号：2923601