基于信息融合和XGBoost的結(jié)構(gòu)損傷識(shí)別研究.pdf

1、建筑結(jié)構(gòu)在長(zhǎng)期使用過(guò)程中，會(huì)出現(xiàn)各種形式的損傷。而由于長(zhǎng)期累積產(chǎn)生損傷的結(jié)構(gòu)具有很大的潛在危險(xiǎn)性，如果未能及時(shí)對(duì)建筑結(jié)構(gòu)進(jìn)行損傷檢測(cè)將可能導(dǎo)致整個(gè)結(jié)構(gòu)的毀壞。因此，研究簡(jiǎn)便有效并能應(yīng)用于工程實(shí)際的結(jié)構(gòu)損傷識(shí)別技術(shù)具有極其重要現(xiàn)實(shí)意義。
　　本文以建筑結(jié)構(gòu)損傷識(shí)別問(wèn)題為背景，結(jié)合國(guó)際結(jié)構(gòu)控制協(xié)會(huì)與美國(guó)土木工程學(xué)會(huì)提出的Benchmark模型，進(jìn)行了基于信息融合和極限梯度提升算法(eXtreme Gradient Boosting，X

2、GBoost)的結(jié)構(gòu)損傷識(shí)別研究。論文研究?jī)?nèi)容主要分為以下幾部分:
　　1、以基于單傳感器信息的結(jié)構(gòu)損傷識(shí)別問(wèn)題為研究對(duì)象，針對(duì)歸一化相對(duì)能量得到的頻帶特征向量對(duì)于損傷信息不敏感的問(wèn)題，提出了基于標(biāo)準(zhǔn)化相對(duì)能量的小波包節(jié)點(diǎn)能量特征處理并結(jié)合支持向量機(jī)(Support Vector Machine，SVM)的結(jié)構(gòu)損傷識(shí)別方法。該方法能有效使不同損傷工況間的差別集中于敏感頻帶，提高損傷識(shí)別精度。
　　2、以基于多傳感器信息融合的

3、結(jié)構(gòu)損傷識(shí)別問(wèn)題為研究對(duì)象，針對(duì)信息融合的不同層次，分析了針對(duì)數(shù)據(jù)層信息融合的基于隨機(jī)振動(dòng)響應(yīng)互相關(guān)函數(shù)的損傷識(shí)別方法，以及針對(duì)特征層信息融合的基于特征全融合的損傷識(shí)別方法。實(shí)驗(yàn)結(jié)果表明，基于多傳感器信息融合的結(jié)構(gòu)損傷識(shí)別方法相對(duì)于單傳感器信息更能有效解決結(jié)構(gòu)損傷的多分類問(wèn)題;在此基礎(chǔ)上，提出基于隨機(jī)森林特征評(píng)估選擇的損傷識(shí)別方法，實(shí)驗(yàn)結(jié)果表明，此方法能進(jìn)一步提高結(jié)構(gòu)損傷識(shí)別精度。
　　3、以基于XGBoost的結(jié)構(gòu)損傷識(shí)別問(wèn)題為