基于时变ARMA模型与支持向量机的结构损伤识别

摘要：

针对环境激励下结构健康检测信号存在非平稳性和损伤样本非常有限的问题,提出一种基于时变自回归滑动平均(Auto-Regressive Moving Average,ARMA)模型和支持向量机(Support Vector Machine,SVM)相结合的桁架结构损伤识别方法.应用该方法对结构进行损伤识别主要有4个步骤:首先应用数值仿真计算方法以及时变参数ARMA模型构建SVM的训练样本和测试样本;其次应用训练样本和测试样本在SVM中进行训练和测试建立结构损伤识别网络;再次采集环境激励下结构的振动信号,并应用小波分析技术对信号进行降噪处理;最后应用所建立的损伤识别网络对预处理后的信号进行计算分析,从而识别出结构的损伤位置和程度.应用该方法对工作状态下WS-PA矿井架进行损伤识别,识别结果验证了该方法识别环境激励下结构损伤的可行性.WS-PA矿井架损伤识别误差都在25％范围内证明所提出的损伤识别方法具有较高的识别精度.本方法为桁架结构的损伤识别提供了新的途径.

关键词：时变ARMA模型、支持向量机、环境激励、结构损伤识别

所属期刊栏目：21

分类号：O327;TU33(振动理论)

资助基金：国家自然科学基金面上项目11072143;浙江省教育厅科研项目Y201223039

在线出版日期：2014-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1094-1102