基于移动主成分分析特征的智能损伤诊断方法

查看全文 作　　者：梁杰明 [1,2 ]刘逸平 [1,2 ][3]陈敬松周立成 [1,2 ][1,2]刘泽佳索引[1,2]汤立群索引

机构地区：[1]华南理工大学土木与交通学院,广东广州510641;[2]华南理工大学亚热带建筑科学国家重点实验室,广东广州510641;[3]广州市高速公路有限公司,广东广州510289

出　　处：《合肥工业大学学报(自然科学版)》索引2020年第43卷第12期,共6页

基　　金：广州市科技计划资助项目(201903010046)。 摘　　要：文章在移动主成分分析(moving principal component analysis,MPCA)基础上,提出一种优化的MPCA特征——特征向量差方向角(directional angle of eigenvector variation,DAEV),并将其作为机器学习的输入建立损伤识别模型。利用双跨连续梁的仿真应变监测数据验证了以DAEV建立机器学习模型诊断结构损伤的有效性。结果表明,与MPCA特征向量相比,DAEV能更好地表征桥梁状态的变化,以DAEV为输入的机器学习模型损伤识别能力更强;对于早期损伤,以DAEV特征为输入的模型识别准确率比以MPCA特征向量为输入的模型高38%~79%。 关键词：移动主成分分析(MPCA) 特征向量差方向角(DAEV) 机器学习桥梁损伤识别

相关文献

参考文献（11）
引证文献（7）
耦合文献（97）

参考文献(11)

引证文献(7)

耦合文献(97)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于移动主成分分析特征的智能损伤诊断方法

参考文献(11)

引证文献(7)

耦合文献(97)

用户提示