基于机器学习的超大跨度悬索桥健康状态评估 |
| |
作者姓名: | 石林泽 程斌 曹一山 蒋永生 |
| |
作者单位: | 上海交通大学船舶海洋与建筑工程学院土木工程系,上海200240;中交公路规划设计院有限公司,北京100010;贵州高速公路集团有限公司,贵州贵阳550009 |
| |
基金项目: | 贵州省交通厅科技项目;贵州省交通厅科技项目;国家重点研发计划;国家重点研发计划 |
| |
摘 要: | 随着桥梁健康监测系统及其应用的不断完善,采用机器学习进行桥梁健康状态评估成为必要趋势。以超大跨度悬索桥为研究对象,基于桥梁监测数据与机器学习算法,建立了一种以提取结构损伤特征为目标的回归网络,并以峰值系数法和连续小波变换法作为对比,采用密度聚类法对桥梁结构的健康状态进行评估。结果表明:采用改进四分位距法可有效消除监测数据中的异常跳点,回归网络提取的损伤特征与密度聚类法在桥梁健康状态评估中的适用性良好。研究成果为机器学习下的超大跨桥梁健康状态评估提供了理论借鉴和方法参考。
|
关 键 词: | 超大跨度悬索桥 健康状态评估 机器学习 回归网络 密度聚类 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|