复材站
应用/结构英文2022被引 27

基于支持向量机的斜拉桥缆索损伤识别方法——利用桥面应变测量

Damaged cable identification in cable-stayed bridge from bridge deck strain measurements using support vector machine

Jianying Ren, Bing Zhang, Xinqun Zhu, Shaohua Li · State Key Laboratory of Mechanical Behavior and System Safety of Traffic Engineering Structures, Shijiazhuang Tiedao University, Shijiazhuang, Hebei, China
Ask AI about this
期刊 / 来源Advances in Structural Engineering
卷/期/页25 / 4 / 754-771
原文链接查看原文 ↗
关键词:斜拉桥缆索损伤识别支持向量机应变测量有限元模型结构健康监测

摘要整理

提出了一种基于支持向量机的两步法斜拉桥缆索损伤识别方法。首先建立缆索损伤识别机(DCIM),采用支持向量分类算法确定受损缆索位置;其次建立损伤严重程度识别机(DSIM),采用支持向量回归算法评估损伤程度。利用配备长期监测系统的实际斜拉桥进行方法验证。采用ANSYS建立斜拉桥三维有限元模型(FEM),通过现场测试数据(固有频率、振型、车辆通过时的桥面弯曲应变)进行模型验证。利用验证后的有限元模型模拟车辆通过时缆索锚固处附近纵向桥面的弯曲应变响应。针对每根缆索设置不同严重程度的损伤场景进行仿真,包括单缆索损伤和双缆索损伤情景。基于损伤指标向量构建训练集和测试集,分别用支持向量分类机和支持向量回归机对DCIM和DSIM进行训练。考虑5%、10%和20%三个噪声水平,评估模型的抗噪能力。结果表明,DCIM和DSIM均具有良好的泛化能力和抗噪能力,在5%-20%噪声水平下仍能保持较高的识别精度。

相关论文

← 返回论文库整理:复材站编辑部