基于支持向量机的结构损伤程度识别研究

来源 :强度与环境 | 被引量 : 0次 | 上传用户:excalibur
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性.本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算.结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景.
其他文献
本文建立了三维有限元分析模型,对缝纫层合板的单钉连接性能进行了理论分析,模拟了钉孔受挤压边缘附近一些典型的针脚位置情况,计算得到钉孔周围的平均径向应力和层间应力分
文章利用基于双剪屈服线准则所导出的钢筋砼壳体的屈服条件,并利用塑性屈服线方法求解钢筋砼轴对称双曲扁壳在竖向荷载下的极限载荷.
如何描述变形体内过一点微段的线应变总是受到人们的关注,文章使用变形几何学分析了线应变的计算,指出线应变是转角的函数,证实小变形假定不仅要求变形小,而且要求转角小的结论。
本文介绍如何在试验设计中分析函数曲线的方法。文中将发动机叶片铸件的降温冷却过程中温度的变化看作一个关于‘时间-温度’的三阶段区间函数,针对该函数进行试验设计,给出如