

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、在橋梁運(yùn)營過程中,由于頻繁承載、超載、自然環(huán)境以及交通事故等因素,造成了橋梁結(jié)構(gòu)的損傷和局部破壞。為了保證橋梁的使用安全性和耐久性,對橋梁進(jìn)行結(jié)構(gòu)損傷識別是非常必要的。為此,本文首先對石河大橋傳感器的優(yōu)化布置進(jìn)行了設(shè)計(jì),為橋梁的結(jié)構(gòu)損傷識別提供數(shù)據(jù),然后提出了用支持向量機(jī)方法對石河大橋進(jìn)行橋梁結(jié)構(gòu)損傷識別的方案,并取得了良好的識別效果。研究工作包括以下幾方面內(nèi)容:
首先,本文在橋梁中設(shè)置了檢測傳感器,這為結(jié)構(gòu)損傷識別提供了前提
2、,本文針對石河大橋設(shè)計(jì)了一種基于損傷可識別性的靜力傳感器優(yōu)化布置方法,并編制了相應(yīng)程序進(jìn)行實(shí)現(xiàn),以石河大橋算例驗(yàn)證了此方法的有效性及優(yōu)越性。
其次,提出將支持向量機(jī)方法運(yùn)用到石河大橋的結(jié)構(gòu)損傷識別中,通過對數(shù)據(jù)歸一化處理前后的仿真結(jié)果對比,得出數(shù)據(jù)歸一化后使基于支持向量機(jī)結(jié)構(gòu)損傷識別的預(yù)測正確率提高12.5%。
最后,在選取支持向量機(jī)核函數(shù)及其相關(guān)參數(shù)優(yōu)化上,本文通過不同核函數(shù)預(yù)測正確率的對比,得出RBF核函數(shù)對訓(xùn)練
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機(jī)的梁橋損傷識別.pdf
- 基于支持向量機(jī)的笑臉識別算法研究.pdf
- 基于支持向量機(jī)的步態(tài)識別算法研究.pdf
- 結(jié)構(gòu)損傷識別的支持向量機(jī)方法研究.pdf
- 基于支持向量機(jī)的調(diào)制方式識別算法的研究.pdf
- 小波包分析結(jié)合支持向量機(jī)的橋梁損傷識別應(yīng)用研究.pdf
- 支持向量機(jī)方法在結(jié)構(gòu)損傷識別中的應(yīng)用.pdf
- 基于支持向量機(jī)(SVM)的車牌識別算法研究.pdf
- 基于支持向量機(jī)的火災(zāi)火焰識別算法研究.pdf
- 基于支持向量機(jī)和振動(dòng)特性的結(jié)構(gòu)損傷識別方法研究.pdf
- 基于支持向量機(jī)的心電圖P波識別算法研究.pdf
- 基于振動(dòng)傳遞率函數(shù)和支持向量機(jī)的結(jié)構(gòu)損傷識別研究.pdf
- 基于支持向量機(jī)的大跨度斜拉橋靜力損傷識別研究.pdf
- 基于支持向量機(jī)的雜草識別研究.pdf
- 基于支持向量機(jī)的人臉識別改進(jìn)算法.pdf
- 基于支持向量機(jī)和Hamming距離的虹膜識別算法研究.pdf
- 基于特征融合和支持向量機(jī)的步態(tài)識別算法研究.pdf
- 基于結(jié)構(gòu)支持向量機(jī)的目標(biāo)跟蹤算法研究.pdf
- 基于支持向量機(jī)的表情識別.pdf
- 基于邊界向量預(yù)選的支持向量機(jī)算法研究.pdf
評論
0/150
提交評論