基于支持向量機的結構損傷識別研究

尹麗東

摘 要：支持向量機（Support vector machines，SVM）是在科學發展與時代進步下的產物，它與神經網絡有許多的類似之處，同屬于學習型的機制，但與神經網絡也有著本質的區別，支持向量機在進行問題的解決與處理時所使用的都是數學的方法和優化的技術。隨著我國經濟的飛速發展，在為人類帶來巨大進步的同時，也出現了一些災害性的問題，為了達到對各種大型結構的健康監測及安全評估，可以使用支持向量機的結構損傷識別功能。

關鍵詞：支持向量機 結構 損傷識別 研究

引言：

支持向量機在統計學習理論中的發展與運用從根本上克服了人工神經網絡結構簡單等等的限制，能夠從多方面進行各種非線性、高維數問題的解決，當前已經得到人們的認可和青睞，并廣泛的應用于模式識別的各個領域，對于核函數、噪音等等損傷識別的認識及影響研究也達到了它的有效性。

一、對支持向量機的認識

1、支持向量機的原理分析

從人們直觀認識的角度來進行思考的話，大多數人對于一個平面范圍內的事物進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，而支持向量機就是把一個在不同空間的線性問題進行深入的分析，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k（x，y）的計算，對非線性分類問題進行研究，最終達到解決問題的目的。

2、對支持向量機的使用

在進行支持向量機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行解決，就會使其產生巨大的效能。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系，而限定的超平面載體則為參數＼alpha_i中所發生的數據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系：＼字型＼sum_i＼alpha_ik（x_i中，x）=＼mathrm{常數}，在這個關系式中，如果核函數k（x，y）變小的話，那么y就會更加的遠離x，而在求和時的每一個測試點x的接近程度的相應數據基點x_i的程度。另外，這里的點x不論映射到任何的平面上，都可以相當于卷積的結果。

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、支持向量機的結構損傷識別方法研究

從支持向量機的原理可以看出核函數的選擇及各個參數的確定是其中最為關鍵的環節，也是支持向量機進行工作的核心，因為不同的參數或核函數所產生的分類效果也會不同，所得到的結果更會不一樣。

1、數據的預處理

在使用支持向量機在進行結構損傷識別時，首先就要進行數據的預處理及特征參數的確定，比如說為了消除在測量過程中數據中所包含的一些噪間等等，就要在預處理階段進行數模的轉換，在做了這些初步的處理以后，再進行參數的確定及提取，因為特征參數的提取在進行結構健康測試及損傷識別過程中發揮著極其重要的作用，所以必須要謹慎對待，可以采用損傷指標或頻率變化來作為特征參數。

2、支持向量機結構損傷識別的合理分類

要想讓支持向量機進行合理的分類并輸出結果，就必須要確定其參數，并進行相應核參數的值的確定，這樣才能對支持向量機進行使用，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，才能進行輸出結果的識別，達到識別結構損傷的目的。

三、結束語

總而言之，支持向量機在進行小樣本、非線性等等問題的解決時具有很大的優勢性，而且隨著我國科學技術水平的不斷提高，SVM還被廣泛的應用于分類、回歸等等多個領域當中，只要結合實際情況進行正確的參數確定及核函數的選擇，就一定能在結構損傷識別等等研究中取得豐碩的成果。

參考文獻：

[1]張效忠，孫延華，孫國民. 基于支持向量機的橋梁沖刷深度識別方法研究[J]. 水利與建筑工程學報，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影響分析[J]. 吉林大學學報（工學版），2016，（06）：1858-1866.

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

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

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

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