详情

原文传递基于RF-SVR算法的钢绞线应力超声导波检测方法研究

论文题名：	基于RF-SVR算法的钢绞线应力超声导波检测方法研究
关键词：	钢绞线;超声导波;应力识别;信号降噪;支持向量回归
摘要：	钢绞线在桥梁工程结构中有着广泛的应用，常被作为主要的受拉构件使用。在实际应用过程中，钢绞线常年处于高应力工作状态和恶劣的自然环境中，容易出现不同程度的损伤和应力损失，严重时将危及桥梁的使用寿命和使用者的生命安全。因此，为了确保它们的稳定可靠，避免桥梁突发性灾害的发生，在役钢绞线的长期健康检测/监测尤为重要。　　钢绞线应力状态是评估结构安全性的关键指标，本文围绕钢绞线应力超声导波检测方法的相关问题展开了研究，在超声导波检测试验的基础上，以时频信号分析、随机森林（RF）和支持向量回归（SVR）算法等为研究手段，研究提出适用于超声导波信号的降噪方法，构建基于RF特征优选的SVR钢绞线应力识别模型，实现钢绞线应力水平的自动识别。主要研究内容如下：　　（1）针对不同应力水平下超声导波信号特点提出了钢绞线应力特征参数量化方法。通过分析超声导波信号成分和非平稳特性，论述了信号预处理技术在超声导波检测中的重要意义；设计了钢绞线应力超声导波检测试验，并就采集的导波检测信号时域、频域、时频域特点进行了分析，结果表明不同应力水平下的超声导波信号特征存在明显差异，并以此为基础提出了导波信号应力特征参数量化方法，进行钢绞线应力特征提取。　　（2）针对实际检测过程中强背景噪声的干扰导致导波检测信号难以有效表征钢绞线应力状态的问题，提出了基于VMD-SVD联合降噪的超声导波信号噪声抑制方法。设计了基于信号相关性分析的VMD信噪模态分量辨识方法，确定噪声主导的分量和信号主导的分量；在此基础上，研究提出了基于样本熵理论的奇异值有效阶次选取方法，对噪声主导的分量进行奇异值分解（SVD）降噪后与信号主导的分量重构得到降噪后信号，减少去噪过程中有用信息的损失；通过仿真信号和实际采集的导波检测信号对所提方法进行测试，结果表明所提方法在保证小剩余噪声干扰的情况下，可以有效恢复原始信号特征，为钢绞线应力水平的识别提供必要的数据基础。　　（3）针对多维特征存在冗余信息和识别模型性能受参数影响较大的问题，提出了一种基于RF特征优选的SVR钢绞线应力识别方法。基于不同应力状态下的导波检测信号多维特征，利用RF算法对多维特征进行重要性排序，优选出最优特征子集，消除多维特征中的冗余特征；采用麻雀搜索算法（SSA）求解SVR惩罚因子与核函数参数的最佳组合，以RF算法特征优选得到的最优特征子集作为模型的输入，实现钢绞线应力的识别。实验结果表明，RF算法优选出的特征子集可有效提高模型识别准确率，基于SSA算法优化的SVR模型相较基于遗传算法和粒子群算法的SVR模型在识别耗时和准确率方面更具优势，发展了钢绞线应力识别的研究范式。
作者：	黄琦
专业：	土木工程;桥梁与隧道工程
导师：	钱骥
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2023