基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究

• 作者: 李延强 赵世英
• 来源期刊: 石家庄铁道大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 斜拉桥 损伤识别 支持向量机 粒子群算法 张力指标
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 桥梁与结构工程
• 页码范围: 17-21
• 页数: 5页
• 分类号: TU312|U448
• 字数: 2770字
• 语种: 中文
• DOI: 10.13319/j.cnki.sjztddxxbzrb.2015.01.04

摘要

为了能够更加准确地判断结构损伤位置和程度，本文提出了基于粒子群优化支持向量机（PSO－SVM）方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标，利用粒子群（PSO）算法寻找支持向量机（SVM）最优参数，建立 SVM 预测模型，以不同位置、不同损伤程度下最敏感索的张力指标作为 SVM 的训练和测试输入，由 SVM 的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证，结果表明：采用 PSO 算法很好地解决了采用 SVM 方法进行损伤识别时的参数选择随机性难题，实现了对 SVM 模型参数的自动优化，基于 PSO－SVM 的损伤识别方法对斜拉桥主梁不同程度的损伤均有很高的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李延强	石家庄铁道大学工程力学系	37	260	9.0	14.0
2	赵世英	石家庄铁道大学工程力学系	3	21	2.0	3.0