基于支持向量機(jī)的結(jié)構(gòu)損傷識別研究

尹麗東

摘 要：支持向量機(jī)（Support vector machines，SVM）是在科學(xué)發(fā)展與時代進(jìn)步下的產(chǎn)物，它與神經(jīng)網(wǎng)絡(luò)有許多的類似之處，同屬于學(xué)習(xí)型的機(jī)制，但與神經(jīng)網(wǎng)絡(luò)也有著本質(zhì)的區(qū)別，支持向量機(jī)在進(jìn)行問題的解決與處理時所使用的都是數(shù)學(xué)的方法和優(yōu)化的技術(shù)。隨著我國經(jīng)濟(jì)的飛速發(fā)展，在為人類帶來巨大進(jìn)步的同時，也出現(xiàn)了一些災(zāi)害性的問題，為了達(dá)到對各種大型結(jié)構(gòu)的健康監(jiān)測及安全評估，可以使用支持向量機(jī)的結(jié)構(gòu)損傷識別功能。

關(guān)鍵詞：支持向量機(jī) 結(jié)構(gòu) 損傷識別 研究

引言：

支持向量機(jī)在統(tǒng)計學(xué)習(xí)理論中的發(fā)展與運用從根本上克服了人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單等等的限制，能夠從多方面進(jìn)行各種非線性、高維數(shù)問題的解決，當(dāng)前已經(jīng)得到人們的認(rèn)可和青睞，并廣泛的應(yīng)用于模式識別的各個領(lǐng)域，對于核函數(shù)、噪音等等損傷識別的認(rèn)識及影響研究也達(dá)到了它的有效性。

一、對支持向量機(jī)的認(rèn)識

1、支持向量機(jī)的原理分析

從人們直觀認(rèn)識的角度來進(jìn)行思考的話，大多數(shù)人對于一個平面范圍內(nèi)的事物進(jìn)行分析與研究都會覺得非常的簡單，但對于無限維度的空間卻會覺得高深莫測，而支持向量機(jī)就是把一個在不同空間的線性問題進(jìn)行深入的分析，它可以把一個有限的空間映射到一個立體空間當(dāng)中，這樣就會使推測分離在空間變得更加容易，通過選擇的核函數(shù)k（x，y）的計算，對非線性分類問題進(jìn)行研究，最終達(dá)到解決問題的目的。

2、對支持向量機(jī)的使用

在進(jìn)行支持向量機(jī)的使用過程中也會遇到各種各樣的問題，但只要運用合理的方法進(jìn)行解決，就會使其產(chǎn)生巨大的效能。在高維或多維空間的一個超平面中定義一組點，而這些點與這個空間中的向量保持恒定的關(guān)系，而限定的超平面載體則為參數(shù)＼alpha_i中所發(fā)生的數(shù)據(jù)向量的圖像和線性組合，在這個超平面中，點x的特征空間在映射到超平面以后，會存在一種這樣的關(guān)系：＼字型＼sum_i＼alpha_ik（x_i中，x）=＼mathrm{常數(shù)}，在這個關(guān)系式中，如果核函數(shù)k（x，y）變小的話，那么y就會更加的遠(yuǎn)離x，而在求和時的每一個測試點x的接近程度的相應(yīng)數(shù)據(jù)基點x_i的程度。另外，這里的點x不論映射到任何的平面上，都可以相當(dāng)于卷積的結(jié)果。

從上圖也可以看出一個點的集合到一個超平面的距離為其最近距離，如果把圖中H定為分類面的話，那么H1與H2不僅是過兩類樣本最近的直線而且還平等于H。

二、支持向量機(jī)的結(jié)構(gòu)損傷識別方法研究

從支持向量機(jī)的原理可以看出核函數(shù)的選擇及各個參數(shù)的確定是其中最為關(guān)鍵的環(huán)節(jié)，也是支持向量機(jī)進(jìn)行工作的核心，因為不同的參數(shù)或核函數(shù)所產(chǎn)生的分類效果也會不同，所得到的結(jié)果更會不一樣。

1、數(shù)據(jù)的預(yù)處理

在使用支持向量機(jī)在進(jìn)行結(jié)構(gòu)損傷識別時，首先就要進(jìn)行數(shù)據(jù)的預(yù)處理及特征參數(shù)的確定，比如說為了消除在測量過程中數(shù)據(jù)中所包含的一些噪間等等，就要在預(yù)處理階段進(jìn)行數(shù)模的轉(zhuǎn)換，在做了這些初步的處理以后，再進(jìn)行參數(shù)的確定及提取，因為特征參數(shù)的提取在進(jìn)行結(jié)構(gòu)健康測試及損傷識別過程中發(fā)揮著極其重要的作用，所以必須要謹(jǐn)慎對待，可以采用損傷指標(biāo)或頻率變化來作為特征參數(shù)。

2、支持向量機(jī)結(jié)構(gòu)損傷識別的合理分類

要想讓支持向量機(jī)進(jìn)行合理的分類并輸出結(jié)果，就必須要確定其參數(shù)，并進(jìn)行相應(yīng)核參數(shù)的值的確定，這樣才能對支持向量機(jī)進(jìn)行使用，得到一個SVM模型，在通過SVM模型對一系列檢驗樣本的測試過程以后，才能進(jìn)行輸出結(jié)果的識別，達(dá)到識別結(jié)構(gòu)損傷的目的。

三、結(jié)束語

總而言之，支持向量機(jī)在進(jìn)行小樣本、非線性等等問題的解決時具有很大的優(yōu)勢性，而且隨著我國科學(xué)技術(shù)水平的不斷提高，SVM還被廣泛的應(yīng)用于分類、回歸等等多個領(lǐng)域當(dāng)中，只要結(jié)合實際情況進(jìn)行正確的參數(shù)確定及核函數(shù)的選擇，就一定能在結(jié)構(gòu)損傷識別等等研究中取得豐碩的成果。

參考文獻(xiàn)：

[1]張效忠，孫延華，孫國民. 基于支持向量機(jī)的橋梁沖刷深度識別方法研究[J]. 水利與建筑工程學(xué)報，2016，（03）：206-210.

[2]趙云鵬，于天來，焦峪波，宮亞峰，宋剛. 異形橋梁損傷識別方法及參數(shù)影響分析[J]. 吉林大學(xué)學(xué)報（工學(xué)版），2016，（06）：1858-1866.

[3]李延強(qiáng)，張陽. 基于支持向量機(jī)與分層遺傳算法的斜拉橋全結(jié)構(gòu)損傷分步識別[J]. 地震工程與工程振動，2015，（06）：71-77.

[4]趙世英，李延強(qiáng). 基于粒子群優(yōu)化支持向量機(jī)的斜拉橋主梁損傷識別研究[J]. 石家莊鐵道大學(xué)學(xué)報（自然科學(xué)版），2015，（01）：17-21.

[5]王冬冬，張煒，陶勝杰，田干，楊正偉. 支持向量機(jī)方法在熱波檢測圖像分割中的應(yīng)用[J]. 強(qiáng)激光與粒子束，2014，（10）：132-136.

[6]馬立元，李世龍，王維峰，李永軍. 大型復(fù)雜鋼管焊接結(jié)構(gòu)損傷識別方法研究[J]. 中國機(jī)械工程，2014，（18）：2478-2483+2531.