基于高斯曲率模态差的T梁结构二维损伤识别研究

曲率模态是识别损伤的敏感指标,基于曲率模态的损伤识别研究大多局限于一维结构。为将曲率模态的损伤识别方法推广到二维结构,提出了基于高斯曲率模态的损伤识别方法,综合考虑二维结构的加速度振型曲面在纵向和横向上的弯曲程度,通过计算结构损伤前后加速度振型的高斯曲率差来判断结构损伤的位置。T梁组合结构的模态试验及试验分析结果验证了该方法的可行性。     

基于小波-人工免疫算法的框架结构损伤识别

提出了小波-人工免疫算法的概念,建立了框架结构有限元模型。采用Lanczos法,对结构进行模态分析,得到了含损伤框架结构的应变模态。运用小波分析方法,对结构的模态参数进行连续小波变换,得到了小波系数图,并通过图形中的奇异点来识别框架结构的损伤位置。以基于结构的频率和模态振型所建立的目标函数为抗原,以小波识别出的损伤单元损伤程度(即问题的解)作为抗体,运用人工免疫算法,进行全局寻优迭代计算,实现对结构损伤程度的识别。以平面框架结构为例进行计算,分析结果表明:该方法能够有效识别结构的损伤位置和损伤程度。     

模态柔度指标在简支梁桥损伤识别中的应用

基于模态柔度理论,构造模态柔度差及模态柔度差曲率指标为损伤识别参数.选取简支梁桥为数值模拟算例,对单位置及多位置损伤识别工况的数值模拟分析验证了两个指标的有效性.结果表明：模态柔度差曲率指标更适合于结构的损伤位置识别.     

径向基网络在简支梁损伤识别中的应用

对简支梁进行损伤分析,研究不同损伤工况下的频率变化率和模态振型曲率变化,并采用径向基神经网络对结构进行损伤识别研究。研究中分别采用频率变化率、第1阶模态曲率变化、综合使用前3阶频率变化率和模态曲率变化3种方案。结果表明,基于动力参数和径向基网络的结构损伤识别方法能够准确识别结构的损伤程度;神经网络的输入参数选择对结果有较大影响,综合使用频率变化率和模态曲率变化方案的识别效果最好。     

带表面裂纹连续梁损伤识别的曲率模态小波分析

以带横向非对称非贯通表面裂纹的连续梁为研究对象,利用小波奇异性检测原理,提出了带表面裂纹连续梁损伤识别小波分析方法.以带表面裂纹连续梁三维有限元分析求解梁的位移模态为基础,利用中心差分法得到梁的曲率模态,再用sym4小波对曲率模态进行连续小波变换,根据小波系数模极大值识别损伤位置,以一个三跨连续梁内两处半椭圆形表面裂纹的损伤识别为例,通过数值计算分析,验证了方法的有效性.同时,计算结果表明,运用曲率模态小波变换识别连续梁损伤比基本振型的小波变换方法更为准确、有效.该研究对带表面裂纹结构的损伤诊断应用具有参考价值.     

曲率模态和柔度曲率对损伤的敏感性研究

以简支梁的损伤识别为例,用有限元方法进行建模和计算,比较分析了曲率模态和柔度曲率对结构损伤识别的敏感性.当梁发生损伤的类型不同时,损伤部位对未损伤部位的影响以及各处损伤部位间的相互影响不同,导致曲率模态或柔度曲率对损伤的敏感性有时会下降,单独用一种方法不能准确地识别结构的损伤,应综合运用两种方法对损伤进行识别;而且这两种方法能互相补其不足,可以更有效的对结构的损伤进行识别.     

基于模态4阶导数的结构损伤识别

基于结构损伤引起动力特性变化的原理,提出了一种新的损伤识别定位方法：利用结构位移模态的4阶导数进行损伤判别。文章首先论述了基于结构位移模态4阶导数进行损伤判别的基本原理,然后建立了一个钢筋混凝土曲梁的有限元模型,用数值模拟的方法对该损伤判别方法进行了验证。验证的结果表明：位移模态的4阶导数对单一损伤、支座处损伤以及多处损伤都能进行有效识别,其识别效果要明显优于曲率模态法和曲率模态差方法,且无需结构的基线模型。     

基于车致振动响应的铁路桥梁损伤位置识别

为识别列车荷载引起的桥梁结构损伤,基于车致振动的加速度响应,提出了一种损伤位置识别方法.该方法通过结构易损性分析,确定结构易损的部位,并根据易损部位的损伤状态,从列车行驶的时间区域中选择若干子区域;然后,假设在每一个子区域内特定易损部位的损伤状态保持不变,将损伤位置识别分为2个层次进行,每一层次均以加速度时程数据构建损伤指标,从多个角度优化样本库,并采用支持向量机作为分类工具,建立损伤位置识别模型.对一连续梁的实例分析表明:该方法能够考虑结构状态与列车荷载的相关性,在损伤最易出现的时间子区域内,对易损部位进行损伤识别,可获得较好的损伤位置识别结果;且在低水平噪声干扰下,识别结果变化不大.     

基于改进PSO算法的两阶段损伤识别方法

为解决结构多损伤情况下的位置识别和损伤程度判定问题,提出了一种基于改进粒子群优化算法和贝叶斯理论的两阶段损伤识别方法,该方法采用频率和模态应变能作为损伤定位源数据,分别用基于频率改变和基于应变能耗散率的识别方法进行损伤信息的初步提取,再利用贝叶斯融合理论对损伤位置进行较为精确的判定.然后,利用粒子群优化(PSO)算法对损伤位置和程度进行更为精确的二次识别.考虑到简单PSO算法易陷入局部最优解,提出了3种改进措施,即粒子位置突变、最优记忆粒子微搜索和双收敛措施.数值仿真结果表明:采用贝叶斯融合理论可以有效地识别出可能的损伤单元,在此基础上用改进的PSO算法可以更精确地识别损伤的位置和程度,同时采用3种改进措施的PSO算法的识别精度明显优于其他PSO算法和遗传算法.     

基于模态参数和神经网络的结构损伤检测

基于Levenberg—Marquardt规则BP神经网络算法,利用频率变化量和曲率模态参数分别对框架结构损伤定位和定量识别问题进行了研究和实例分析。结果表明．它们均能对结构损伤进行预测,BP神经网络适用于此类损伤无规律对象问题的诊断。     

����SVM�����ݲ��ԴITS�����ںϷ�����̽

在阐明ITS数据融合的意义及层次性的基础上，分析了数据层多源ITS数据融合及支持向量机的特点，根据支持向量机（SVM）的原理设计了利用支持向量机进行多源ITS数据融合的思路，并从支持向量机训练、训练结果评价以及支持向量机测试三个方面提出了该思路的实现步骤。在对日本阪神公路上堺入口的二源交通流数据进行支持向量机融合后，比较融合前后的数据，证明所提出的基于支持向量机技术的数据层多源ITS数据融合方法能够有效地进行数据质量控制，提高数据的精确度。     

��·��ͨ������֧�����������Ԥ��

对交通运量做出较为准确的预测，能对相关部门和人员把握运输市场或进行决策有所裨益。对灰色、神经网络和支持向量机的三个预测模型进行了研究，以全国1996 ～ 2003年公路货运量为例，对公路货运量进行了预测，经过比较，支持向量机的预测方法精度较高。在分析组合预测特性的基础上，提出了对灰色系统、神经网络和支持向量机三种预测方法结果进行了线性组合预测方法和支持向量机的组合预测方法。与单一预测方法结果和线性组合预测进行对比，支持向量机组合预测方法比较精确。     

基于支持向量分类机和回归机的综合评价方法

采用支持向量多值分类机和回归机进行综合评价排序,以提高机器学习方法的综合评价排序能力,并以管理信息系统综合评价为例,与人工神经网络（ANN）方法进行了对比研究.试验结果表明,基于支持向量多值分类机综合评价得分之间的差异比ANN更明显,而且基于支持向量回归机综合评价得分的相对误差明显小于ANN.     

基于遗传优化支持向量机的交通事故预测

针对道路交通事故的预测问题,引入基于遗传优化支持向量机算法建立交通事故预测模型。利用遗传算法寻找支持向量机的最优参数组合,并用最优参数构建相应的支持向量机预测模型。仿真计算结果表明,基于遗传算法优化支持向量机模型优于传统的SVM模型,从而可以更有效地对道路交通事故进行预测。     

尺度核支持向量机及在动态系统辨识中的应用

为了提高非线性动态系统辨识质量,提出了新的支持向量机尺度核函数构造方法.首先直接构造紧支撑尺度函数,然后根据小波多分辨分析理论,由紧支撑尺度函数生成具有多分辨率特性的尺度核函数.证明了这种核函数是满足Mercer定理的支持向量机核函数.动态系统辨识的仿真结果表明,尺度核函数支持向量机的建模和逼近能力优于基于三阶样条核函数或RBF核函数的支持向量机.     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。     

Forecasting of stock returns by using manifold wavelet support vector machine

An admissible manifold wavelet kernel is proposed to construct manifold wavelet support vector machine(MWSVM) for stock returns forecasting.The manifold wavelet kernel is obtained by incorporating manifold theory into wavelet technique in support vector machine(SVM).Since manifold wavelet function can yield features that describe of the stock time series both at various locations and at varying time granularities,the MWSVM can approximate arbitrary nonlinear functions and forecast stock returns accurately.T...     

Analysis of epimetamorphic rock slopes using soft computing

This article adopts three soft computing techniques including support vector machine （SVM）, least square support vector machine （LSSVM） and relevance vector machine （RVM） for prediction of status of epimetemorphic rock slope. The input variables of SVM, LSSVM and RVM are bulk density, height, inclination, cohesion and internal friction angle. There are 53 datasets which have been used to develop the SVM, LSSVM and RVM models. The developed SVM, LSSVM and RVM give equations for prediction of status of epimetemorphic rock slope. The performance of SVM, LSSVM and RVM is 100%. A comparative study has been presented between the developed SVM, LSSVM and RVM. The results confirm that the developed SVM, LSSVM and RVM are effective tools for prediction of status of epimetemorphic rock slope.     

基于混合AGO-SVM的高速公路短时交通量预测研究

提出一种混合AGO-SVM高速公路交通量预测方法,原始交通量数据通过累加操作生成有规则的数据,预处理后的规则数据使用支持向量机法进行建模并预测,预测数据进行逆累加操作,获得下一时刻高速公路交通量的预测值,数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明,在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高,是一种有效的高速公路交通流量预测方法.