[发明专利]基于改进支持向量机钢筋混凝土简支梁火灾损伤识别方法

说明书

本发明涉及基于改进支持向量机钢筋混凝土简支梁火灾损伤识别方法，属于火灾损伤识别技术领域。本发明包括如下步骤：(1)建立简支梁火灾损伤模型，获得各火灾时刻下钢筋混凝土简支梁的模态参数；(2)构造基于SVM的训练样本的组合参数；(3)将FA‑SVR的输出向量定义为受火时间预测值；(4)在FA‑SVR算法中调用的支持向量回归机工具箱的自带回归指标，衡量模型的损伤识别效果；(5)凭借SVM做回归预测，采用萤火虫算法进行优化。本发明显著提高了诊断效率，收敛速度，降低了调整模型复杂性和经验风险，计算更加精准，计算耗时短，参数寻优能力且大大降低了经验误差，结果的可靠性更高。

技术领域

本发明涉及基于改进支持向量机钢筋混凝土简支梁火灾损伤识别方法，属于火灾损伤识别技术领域。

背景技术

火灾下结构损坏甚至倒塌是造成人员伤亡的原因之一，更是造成直接和间接经济损失的主要原因。结构损伤识别和健康监测技术可以探测出结构损伤的存在、位置，并预测结构剩余寿命，同时也为火灾后期结构的损伤评估及加固对策提供理论基础。因此如何建立这一类结构的损伤识别算法从而能够快速准确地识别出损伤的存在、位置及程度以保证结构的安全将具有重大的工程意义。国内外对常温下结构振动特性的研究以及工程应用较多，但是对建筑物在火灾作用下的振动监测研究尚不多见，针对混凝土简支梁模型损伤识别的研究更少，且大都应用在桥梁方面。

常用的有经验估计法和交叉验证法(Cross Validation，CV)。经验估计法就是凭借人的经验，根据样本分布规律估计出各个参数的值，这种方法对于使用人员在支持向量机的理论和使用经验上有较高的要求，对于非专业人员操作难度较大，也不利于支持向量机在多学科领域的使用与推广。交叉验证法是目前应用最为广泛的方法，其主要思路为从训练样本中任意选取一个样本作为测试集，其他未被选中的样本作为训练集，以此类推，直至所有的训练样本都作为测试集被预测了一次，这样就得到了多个模型。此种方法常常与网格搜寻结合使用，即将待优化参数在一定范围内划分网格，并对每一个点取值，采用交叉验证法得到每一组参数的评价指标，从而选出最优参数。虽然这种方法可以得到CV意义下的全局最优解，但寻优区间要足够大且步距要足够小，且把所有评价指标低的参数组都遍历一遍十分费时。

基于支持向量机损伤识别方法没有解决凭经验估计误差大和寻优费时等缺陷，大部分基于振动测量的损伤识别方法都没有解决其中惩罚参数c和核函数参数g的选优问题，且大部分方法没有考虑振型的影响。综上，现有方法存在数据爆炸、收敛效果不明显、寻优费时等缺陷，抗噪声能力差。

发明内容

本发明的目的在于克服现有基于支持向量机损伤识别方法存在的上述缺陷，提出了基于改进支持向量机钢筋混凝土简支梁火灾损伤识别方法，解决了在火灾下和火灾后钢筋混凝土简支梁基于振动测量的损伤识别问题。

本发明是采用以下的技术方案实现的：

一种基于改进支持向量机钢筋混凝土简支梁火灾损伤识别方法，包括如下步骤：

(1)利用ANSYS温度场间接耦合法，建立简支梁火灾损伤模型，选择Block Lanczos方法进行模态分析，获得各火灾时刻下钢筋混凝土简支梁的模态参数；

(2)构造基于SVM的训练样本的组合参数；

(3)将FA-SVR的输出向量定义为受火时间预测值；

(4)在FA-SVR算法中调用的支持向量回归机工具箱的自带回归指标，衡量模型的损伤识别效果；

(5)凭借SVM做回归预测，采用萤火虫算法进行优化。

所述步骤(1)中受火时间范围为t-0～120min，训练样本以10min为间隔。

所述步骤(2)中输入参数采用频率与振型的组合参数：