基于支持向量机回归的结构系统可靠性及灵敏度分析方法

提出了一种基于支持向量机回归近似极限状态方程的系统可靠性分析方法,所提方法首先由支持向量机拟合系统各失效模式的极限状态方程,将复杂或隐式极限状态方程近似等价为显式极限状态方程,然后根据系统各个失效模式的逻辑结构,由高精度的显式极限状态方程方法计算系统的失效概率和参数灵敏度.与线性展开和响应面法近似极限状态方程相比,文中方法由于采用了基于结构风险最小化原理的支持向量机回归,因而在拟合非线性极限状态方程上表现优越,计算精度高.与直接蒙特卡洛模拟相比,由于该方法采用较少的样本即可近似出概率等价的显式极限状态方程,因而计算效率大幅提高.工程实例表明:所提方法可以处理串联、并联和混合系统的可靠性与可靠性灵敏度分析,具有工程运用价值.     

基于支持向量机的序列可靠性优化方法

在工程设计中,可靠性优化设计通常计算量较大或精度不够。本文提出了一种基于支持向量机（Support Vector Machine）和MPP（Most Probable Point）的可靠性分析方法。用SVM 在MPP处替代原极限状态函数,并利用极限状态函数的梯度信息,使SVM模型穿过M PP并与原函数相切,再基于SVM采用重要抽样法计算失效概率。然后,将SORA（Sequential Optimization and Reliability Assessment ）与基于SVM 的可靠性分析方法相集成,将传统的双循环可靠性优化算法解耦为单循环,并通过基于SVM 的可靠性分析方法修正了SORA中由于线性近似带来的误差,保证了最优设计点处可靠性分析的精度。算例证明,该方法在处理非线性问题时具有精确度高和计算量适度的特点。     

基于提升小波变换和互相关函数的梁式桥损伤检测

为了有效地提取梁式桥的损伤特征,提出了一种将提升小波变换与互相关函数幅值向量相结合的损伤识别的方法。首先利用提升小波变换将车载作用下梁桥结构的加速度响应分解到单阶模态上,再对提升重构后得到的第一阶响应进行互相关处理,利用提出的损伤指标来进行损伤定位。通过数值仿真和模拟实验,验证了方法的有效性,讨论了噪声及测点稀疏对识别结果的影响,结果表明该方法具有良好的噪声鲁棒性。另外,在综合考虑经济性和识别结果准确性的情况下,给出了合理的测点布置方式。     

基于固有频率向量的结构损伤检测方法

基于损伤前后结构固有频率的变化,引入了固有频率向量及固有频率向量置信准则的概念,提出了基于固有频率向量的结构损伤检测方法.首先建立完好结构的有限元模型,并模拟出结构的若干种损伤模式,分别求出完好结构与各损伤模式结构的固有频率向量,从而构建出结构损伤特征数据库,随后对具有某种未知损伤的结构,根据该结构的固有频率向量与损伤数据库中每一个固有频率向量之间的相关程度--固有频率向量置信准则,由最大置信准则来判定对应的损伤模式.应用该方法对一个八层剪切空间框架模型的损伤进行了仿真检测,对于无测量误差的情况,在任何一层的支柱损伤大于最低可检损伤的情况下,都能准确的检测出损伤的位置及程度;考虑了固有频率测量的随机误差之后,应用损伤检测概率进行评估,该方法也具有较高的损伤检测概率.     

基于支持向量机的围岩定性智能分级研究

本文将数据挖掘的新方法支持向量机应用于隧道围岩分级。支持向量机是一种基于统计学习理论的新的学习算法,比神经网络算法能更好地解决小样本问题。选用岩层厚度、岩体结构、嵌合程度、风化程度、地下水特征、节理发育程度、榔头敲击声和地应力等8个定性指标作为评判因子,用泥巴山隧道采集的实际数据作为样本对不同核函数的支持向量机进行训练,并得到评判因子与围岩级别的映射关系,从而可以对未知的围岩样本进行级别判别。判别结果表明: 采用多项式核的支持向量机对围岩级别进行判别有较高的准确率,是一种值得推广和应用的围岩智能分级方法。     

基于支持向量机的结构损伤分步识别研究

支持向量机是一种基于统计学习理论的机器学习算法,能够较好地解决小样本的学习问题。本文介绍了支持向量机分类和回归算法,提出了基于支持向量机的结构损伤分步识别方法:以模态频率作为损伤特征,首先根据支持向量机分类算法的概率估计确定可能的损伤位置,重新构造训练样本,然后利用支持向量机回归算法计算损伤位置;最后估计损伤程度。以梁的损伤识别为例进行了验证,结果表明该方法可以提高损伤识别的精度。     

基于更新支持向量的大跨度斜拉桥体系可靠度分析

针对斜拉桥静力体系可靠度分析中隐式功能函数重构和繁杂失效路径的特点,提出了一种基于更新支持向量的体系可靠度分析方法,将传统的用于构件可靠度分析的支持向量机(SVM)改进并应用于斜拉桥体系可靠度分析。该方法主要有4个步骤:首先通过构件的敏感分析识别斜拉桥的主要失效路径;其次采用最小二乘支持向量机(LS-SVM)对斜拉桥的隐式功能函数进行重构,并通过Monte-Carlo抽样得出构件的可靠指标;然后根据已经更新的有限元模型对支持向量进行更新,得出相关构件失效后的剩余构件的条件可靠指标;最后由结构体系的失效树和串并联关系得出斜拉桥的体系可靠度。主跨为420m的混凝土斜拉桥算例分析表明了上述算法的有效性和实用性,同时也获得了该斜拉桥的主要失效路径并识别了影响其体系可靠度的主要构件。     

基于支持向量机替代模型的可靠性分析

建立了基于支持向量机回归算法和分类算法的替代模型可靠性分析方法,与蒙特卡罗法结合,采用拉丁超立方抽样技术,进行隐式极限状态函数的可靠度计算。讨论了相关参数对支持向量机模型性能的影响,并通过遗传算法进行参数优化,为支持向量机模型的参数选择提供了依据。研究了不同训练样本数量对支持向量机模型预测值精度的影响,进一步证实了支持...     

基于支持向量机的锈蚀混凝土梁承载力计算

采用电化学腐蚀的方法加速梁内钢筋锈蚀,使用分级加载方案对受腐蚀钢筋混凝土梁进行了抗弯承载力试验研究,获得了20根不同锈蚀率的钢筋混凝土梁承载力极限值.使用现有的试验数据构成训练样本对,供支持向量机进行预学习.在机理建模方法中,基于线性核函数分别获得了分段式和整体式的回归公式;在黑箱建模方法中,基于径向基核函数获得了黑箱预测模型.通过将预测结果和本文试验值进行对比,验证所提出的基于支持向量机的受腐蚀混凝土梁承载能力预测方法有效性;并将预测结果与其它回归公式对比,表明所提出的预测方法具有预测精度高、适用范围广和预测策略多等优点.     

基于支持向量回归机的陀螺漂移预测模型

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。     

基于网格搜索的支持向量机砂土液化预测模型

在使用支持向量机对砂土液化进行预测时,不可避免地会遇到惩罚因子和核函数参数如何选取的问题,目前还没有确定这两个参数的选择模式,解决这一问题比较常用的办法有经验公式法、遗传算法和网格搜索法.对此本文基于网格搜索方法,使用LIBSVM软件包,寻找砂土液化训练样本的结构风险最小值所对应的支持向量机最优参数;使用最优参数,建立了支持向量机砂土液化预测模型.研究结果表明:预测样本的正确率可达87.5%,而且预测结果稳定;同时通过比较BP神经网络的砂土液化预测情况,可知支持向量机有更好的泛化能力,收敛速度也更快.     

基于贝叶斯支持向量回归机的自适应可靠度分析方法

进行复杂结构可靠度分析时,由于涉及隐式功能函数和耗时的数值计算,减少结构模型的调用次数在提高分析效率方面显得尤为重要。为此,本文基于贝叶斯支持向量回归机,提出了一种高效的自适应可靠度分析方法。该方法利用贝叶斯支持向量机提供的概率估计信息(均值和方差)构建学习函数,同时通过引入样本间的距离测度防止选取与现有样本过于临近的冗余点,进而能快速有效地选取极限状态曲面附近具有代表性的样本点,以提高代理模型的构建速度和预测精度。此外,在学习过程中引入了有效抽样域策略,有针对性地选取对失效概率估计误差贡献大的点,从而进一步提升结构可靠度分析的计算效率。最后,通过数值算例验证了本文方法对结构可靠度分析的适用性和有效性。     

基于微粒群算法优化支持向量机的加速度计静态模型辨识

针对加速度计静态模型采用线性近似模型辨识存在较大误差的问题,利用支持向量回归在小样本、非线性及高维特征空间中具有很好的推广能力的优点,提出了一种利用支持向量回归进行加速度计静态模型辨识的方法.为了避免随机试凑法识别支持向量回归参数费时的问题,采用高效的并行搜索算法-微粒群算法进行支持向量回归参数优化.利用精密光学分度头对石英挠性加速度计进行了12位置静态翻滚试验,试验结果表明所提方法可以精确地对石英挠性加速度计静态模型进行辨识,其模型精度比最小二乘辨识法的模型精度提高一倍以上.     

基于小波最小二乘支持向量机的加速度计温度建模和补偿

针对环境温度影响加速度计测量精度的问题,给出了温度对石英挠性加速度计零偏和标度因数的影响机理,提出采用小波最小二乘支持向量回归建立石英挠性加速度计零偏和标度因数的温度模型的方法。为了验证模型的有效性,进行了多个温度点下的参数标定试验,所获取的各温度点下的石英挠性加速度计零偏和标度因数作为小波最小二乘支持向量机模型的训练数据;将石英挠性加速度计固定在某一位置进行了升温试验,通过对比未进行温度补偿、最小二乘温度补偿和小波最小二乘支持向量回归温度补偿下石英挠性加速度计的输出,计算结果表明采用小波最小二乘支持向量机补偿后的石英挠性加速度计的测量精度最高。     

基于改进最小二乘支持向量机的惯性测量组件故障在线检测方法

为提高惯导系统工作的可靠性和导航性能,对其惯性测量组件的故障模式和检测模型进行了分析。针对最小二乘支持向量机(LS-SVM)回归算法做了两点改进,具体方法是先对输入样本观察窗平移更新的每个样本数据进行异常点滤波判断并用牛顿插值法进行处理,接着通过对在线LS-SVM回归过程的研究,提出了一种递推求解的快速算法,将惯性测量组件的输出量、舵偏角改变量并辅以环境因素作为观测样本序列,应用该算法来提高模型检测的准确性和时效性。最后对惯性测量组件无故障和出现卡滞、恒偏差时的故障模式进行了仿真实验,结果表明,与应用LS-SVM、SVM和BP神经网络算法相比,提出的惯性测量组件故障在线检测方法具有较强的鲁棒性和较快的速度。     

基于蚁群优化最小二乘支持向量机模型的边坡稳定性分析

液固混合介质隔振器基于一种全新的工作机理,具有优良的隔振系统动力学特性. 混合介质由一类几乎不可压缩液体和许多可压缩的固体单元混合而成. 当振动、冲击发生时, 液体将动压力瞬间传递到所有单元体上, 使它们同时参与变形,从而有效隔离振动,大幅度吸收、损耗冲击能量; 若设计得当,这类隔振器可同时具有卓越的隔振和缓冲性能. 以空心橡胶球作为固体单元体, 分析了该单元体在有限变形情况下的变形规律, 分析了隔振器的非线性刚度特性; 采用MTS液压伺服试验系统进行了测试验证, 理论分析和试验结果具有较好的一致性. 建立了系统的非线性动力学方程, 采用多尺度摄动法获得了系统的频响特性, 发现系统具有软弹簧非线性动力学特性, 并在试验中得到了证实; 因为弹性恢复力中存在位移平方项, 通过试验和数值仿真进一步验证了系统响应的非对称性.     

基于概率支持向量机的可靠性分析与设计方法

结构可靠性设计是现代结构设计中能够考虑不确定性因素影响的重要方法之一。针对结构可靠性设计中较为复杂的隐式多概率约束条件问题,本文提出了一种有效的代理模型方法。该方法基于多输入多输出支持向量机方法,并引入分类错误概念,可以同时对多个概率约束条件进行建模,同时对概率约束条件进行了相对保守的结构可靠性分析,得出非零失效概率的两者差值在1%~10%。将该可靠性评估方法嵌入可靠性设计优化框架内,形成了偏于安全的结构可靠性设计方法。文中还提出了一种新偏导数计算方法,用于可靠性优化设计。最后将所提方法应用于减速器可靠性分析和优化设计中,验证了其计算精度和效率。     

基于卷积特征的光纤缺陷检测方法

针对人工难以实现熊猫型保偏光纤的缺陷检测问题,提出了一种小样本下基于卷积特征的图像检测方法。首先针对光纤缺陷特征将Inception V3模型微调,使用微调后模型提取光纤的2048维卷积特征;其次使用主元分析法将2048维特征降为74维;最后使用降维后的特征训练支持向量机分类器,同时使用粒子群算法对分类器参数寻优,实现对光纤缺陷的识别与分类。经实验证明,该方法对光纤涂覆层微小缺陷的识别率达到97%,涂覆层局部损伤和严重破损的识别率达到100%,对降低光纤环绕制中原纤损失、提升光纤环的精密性、研究光纤缺陷对光纤陀螺精度的影响有一定意义。     

一种基于多尺度和改进支持向量机的光纤陀螺温度漂移建模与补偿方法

为了提升光纤陀螺温度漂移模型建模的准确性及补偿的效果,提出了一种基于改进支持向量机的多尺度建模和回归方法。首先分析了造成光纤陀螺温度漂移的关键因素,给出了建模的属性参数和温度试验。然后根据经验模态分解得到的本征模态函数排列熵的变化趋势,得出了回归精度和熵之间的变化关系,进而提出了基于信号分解的多尺度回归方法。为了提高上述多尺度回归算法的适应性,在传统支持向量机的基础上,提出了基于组合核函数的支持向量机回归算法,以适应不同特性的回归数据集。为了进一步提高回归精度,基于降低回归数据复杂度的分段回归思想,在上述多尺度回归的基础上提出了双-多尺度回归,并验证了方法的有效性。最后,将提出的算法以实际的光纤陀螺温度漂移数据进行验证,结果表明,相比于传统的支持向量机和反向传播神经网络具有更好的回归精度,温度漂移模型也更加精确,以均方误差指标为例,回归精度提升了两个数量级。     

基于支持向量机的导管泄爆容器压力峰值预测

为了预测导管泄爆容器压力峰值,根据文献提取出影响导管泄爆容器压力峰值的因素,将这些因素作为输入变量,采用支持向量机算法对压力峰值与各因素的内在关系进行了研究,建立导管泄爆容器压力峰值预测模型,对模型的有效性及预测能力进行了验证。将预测模型与现有经验公式进行比较,表明支持向量机模型具有较好的预测能力,且预测能力优于经验公式。