基于核主元分析和支持向量机的结构损伤识别研究

摘要：

为了提取有效的损伤特征并提出实用的损伤识别方法,本文利用核主元分析(KPCA)良好的非线性特征提取和支持向量机(SVM)在非线性映射、分类方面的优秀性能,提出了一种基于非线性特征提取的支持向量机损伤识别方法.首先采用粒子群算法(PSO)来优化KPCA的核参数,然后运用优化后的KPCA进行损伤特征提取,最后用SVM进行模式分类并输出识别结果.为了验证所提方法的有效性,通过一个12层钢混框架模型进行损伤识别,并重点研究了KPCA的核参数优化模型及可分性分析、噪声程度、不同特征提取方法、神经网络模型对该方法性能的影响.研究发现:本文所提出的方法不仅能有效地提取损伤特征和降低数据维数,而且具有较高的损伤识别和抗噪能力、泛化能力,且鲁棒性很强.

关键词：非线性特征、核主元分析、支持向量机、粒子群算法、损伤识别

所属期刊栏目：26

分类号：TP277(自动化技术及设备)

资助基金：国家科技部135重点专项课题;辽宁省自然科学基金;辽宁省社会科学规划基金;辽宁省教育厅项目;教育部人文社会科学研究项目;辽宁省财政基金

在线出版日期：2018-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：888-900