支持向量机和粒子群算法在桥梁结构损伤识别中的应用

祝孝成 田中旭

摘要：为了有效进行桥梁结构的损伤识别，本文提出一种基于支持向量机和粒子群算法相结合的结构损伤识别方法。首先阐述了支持向量机和粒子群算法的基本理论，通过建立多目标优化模型以及给出求解步骤，进一步实现对结构的损伤识别。

关键词：桥梁；支持向量机；粒子群算法；损伤识别

前言

随着我国经济的快速发展，对交通运输能力也提出了更高的要求，在新建桥梁投入使用的同时，大量的在役桥梁已达到或即将达到设计服役期，桥梁老化与功能退化呈现加速趋势。而造成桥梁结构发生破坏和功能退化的原因是多方面的，归根到底结构构件存在内部缺陷往往是造成这些灾害的主要原因，但这些缺陷具有隐蔽性，很难被肉眼察觉。因此，如何选择合理恰当的方法及时识别出危及结构的损伤，是结构安全评估的核心问题。目前对桥梁结构进行损伤识别的方法有静力法和动力法。利用动力特性进行结构损伤识别时，根据所采用的求解手段不同，可以分为基于传统数学方法的损伤识别和基于计算智能的损伤识别[1]。由于传统的数学方法存在计算复杂、计算速度慢、不收敛或可能出现局部最优解的问题，在一定程度上影响了损伤识别的效果[2，3]。为了有效地进行桥梁结构的损伤识别，本文提出了一种基于支持向量机和粒子群算法相融合的结构损伤识别方法。

1支持向量机基本理论

支持向量机是20世纪90年代中期提出的一种机器学习算法，它是以Vapnik创建的统计学习理论为基础，根据结构风险最小化准则，能够较好地解决了小样本、非线性、高维数和局部极小点等问题。……