原文传递
基于粒子群优化支持向量机的移动荷载识别研究
| 论文题名： | 基于粒子群优化支持向量机的移动荷载识别研究 |
| 关键词： | 桥梁;健康监测;移动荷载;识别技术;支持向量机 |
| 摘要： | 桥梁受车辆移动荷载的作用以及运输超载的影响，极易发生疲劳损伤甚至破坏和倒塌，严重威肋、桥梁的使用安全性。因此，对桥梁上移动车辆荷载的识别，以确定桥上移动荷载的大小和种类，对桥梁的健康监测与日常维护、安全评定与交通规划等具有重要的理论意义和应用价值。 移动荷载识别技术能在桥梁上获得移动车辆实时荷载等信息，相对传统称重系统，能在不破坏桥梁结构，不中断交通情况下测得车辆数据，并且能够有效降低造价，帮助提高桥梁的非现场交通执法能力，有效的减少超载现像的发生，减少超载车辆对桥梁的破坏。能为桥梁的健康监测提供更准确的数据，也为以后的桥梁设计和荷载谱研究提供了依据，所以移动荷载识别技术具有越来越重要的作用。 相对于传统的理论方程求解识别方法，人工智能机器算法SVM（支持向量积）具有模型结构简单、非线性处理强等优点，因此本文提出了SVM预测模型在移动荷载识别中的应用。分析车重影响相关因素，将桥梁应变响应作为网络输入，移动荷载作为输出，并对样本进行了常规处理及特征提取，确定了网络结构及训练参数，对传统的SVM预测模型进行优化，通过粒子群优化算法优化SVM相关参数，建立改进的SVM预测模型，将基于粒子群优化的SVM预测模型、传统的SVM预测模型和神经网络模型对海盐地区省道上的两座简支梁桥上的移动荷载分别进行预测，并进行对比，结果表明，优化后的SVM模型预测的精度较高、效果好。 |
| 作者： | 陈银甲 |
| 专业： | 土木工程 |
| 导师： | 张豪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
