一种基于奇异值分解的人脸识别新方法

基于奇异值向量方法进行人脸识别时,由于提取的奇异值向量特征所包含的人脸图像的有效信息少,导致人脸识别率低下。基于此提出了一种基于奇异值分解的人脸识别新方法——矩阵的秩-逼近法。利用ORL人脸数据库进行实验,并采用最近邻决策规则来进行分类识别。实验结果显示,提出的方法比基于奇异值人脸识别方法具有优越性,本算法能大大地改善识别效果。     

结构动力重分析的向量值有理逼近方法

研究动力重分析问题, 针对结构参数大修改, 提出一种 将矩阵摄动法与向量值函数的有理逼近方法组合起来的新方法. 在只增加少许计算量的情况 下, 利用向量值函数的有理逼近方法以及Rayleigh商来改善摄动解的逼近质量并扩大其逼近 范围. 该方法操作简单, 易于辅助. 两个数值例子表明, 所提出的方法对结构参数发生大修 改能够给出高精度的逼近结果. 对结构参数大修改的动力重分析, 向量值有理逼近是一种有 效方法.     

基于支持向量机的大型输电铁塔损伤识别方法研究

输电铁塔在电力的传输上占有重要地位,一旦发生损伤破坏将造成严重的经济损失.模态曲率改变率这一参数具有良好的损伤定位能力,通过对某500kV输电铁塔的损伤位置识别,即使是在诸如1%等微小损伤条件下,仍能取得良好的效果.作为一种新兴的机器学习算法,支持向量机在损伤识别中已显示出其回归能力的优越性.本文提出了利用最小二乘支持向量机进行大型输电铁塔的损伤程度识别方法,通过对某500kV输电铁塔的损伤程度进行识别,发现该方法在较少的样本条件下,亦能非常逼近目标值,具有精确的损伤程度识别能力.     

玻化微珠保温砂浆导热系数模型研究

基于最小热阻力法则和均匀化方法估算了玻化微珠保温砂浆的等效导热系数.用ANSYS模拟玻化微珠保温砂浆二维单元胞体的热传导,发现对热阻网络的横向热阻的极端考虑会给计算结果带来误差.用ANSYS计算的三维单元体模型的等效导热系数值与3种理论计算值进行比较,发现用假设横向热阻无穷小与假设横向热阻无穷大求得的单元体等效热阻的平均值作为单元体的等效热阻来求单元体等效导热系数更精确,最后实验也验证了这一结论.实验值与本文提出的理论模型计算值偏差仅为0.2%,证明用该方法来估算玻化微珠保温砂浆的导热系数是可行的.     

一种基于支持向量机的结构损伤识别方法

提出了结合随机振动响应互相关函数、小波包分解和支持向量机(support vector machine,SVM)的结构损伤识别方法,计算了相邻测点响应的互相关函数幅值.采用小波包对得到的幅值进行分解,得到各个频带上的总能量;利用各频带上能量值存在的差异性作为输入到分类器的特征向量,训练SVM模型并对结构的损伤进行识别.应用该方法对Benchmark模型结构进行损伤判别,实验通过对比其他基于SVM的方法,结果表明该方法具有较好的识别精度.     

基于CQGA-LSSVM的桥式起重机主梁损伤识别

针对桥式起重机在使用中存在主梁损伤等结构问题,引入刚度变化指标将主梁的损伤识别问题转化为桥起主梁局部刚度的计算,并采用云量子遗传算法对最小二乘支持向量机中最佳模型参数进行优化调整,二者结合实现了对主梁的损伤识别.实验结果表明:所提改进方法无论是针对主梁单损伤还是多损伤,均可精确完成主梁损伤定位及损伤程度预测,并具有较好的抗噪性,是一种准确、有效的结构损伤识别方法.     

石油井架结构损伤的分步识别技术研究

针对JJ160/41-K型石油井架结构损伤识别问题,提出基于模态参数和支持向量机的分步识别方法,即先使用柔度矩阵方法进行井架结构损伤位置识别,再以柔度曲率差值作为损伤识别指标,应用支持向量机回归算法对已定位的损伤进行定量分析.仿真计算结果表明该技术可有效实现井架结构损伤的定位与定量分析.     

基于动柔度矩阵和支持向量机的井架损伤识别技术

动柔度矩阵是结构损伤检测的有力工具.支持向量机是在统计学习理论上发展出的一种学习机器,其针对小样本分类识别性能优越.提出了一套基于支持向量机和动柔度矩阵的损伤识别技术.对JJ160/41-K型石油井架模型进行了损伤实验研究,利用实验数据构建了分类识别支持向量机,并以数值仿真计算,验证了该技术的有效性.     

基于隐Markov模型的图像方位识别

提出一种基于隐Markov模型(Hidden Markov Model,HMM)的图像方位识别方法.将待识别的目标图像进行分割,对子图像进行奇异值分解,提取奇异值向量形成观测序列,即图像奇异值向量作为HMM的观测向量.确定HMM参数并计算其最大似然概率,按待识别图像最大似然概率对应所属的聚类进行识别.实验结果表明,3类共150幅目标图像的识别率达到了85%.     

基于支持向量机的空白试卷识别方法

通常情况下,很难用试卷扫描图像的像素灰度值来直接区分空白试卷和非空白试卷.应用支持向量机方法可以有效地识别空白试卷.建立了两个二维线性可分的支持向量机,一个是以图像像素灰度值列向量的标准差的最大值和行向量的标准差的最大值为特征的支持向量机1,另外一个是以图像像素灰度值列向量的标准差的标准差和行向量的标准差的标准差为特征的支持向量机2.在实际应用中,大部分空白试卷应用支持向量机1来识别,对个别的位于支持向量机1的分类间隔(margin)内的试卷样本,支持向量机1有可能出现识别错误,在这种情况下,应用支持向量机2作进一步识别.此方法在HSK空白试卷识别中取得了很好的结果.     

采用应变能方法定量分析输电塔损伤程度

为了解决输电塔结构的损伤识别问题,提出了基于模态应变能变化率和能量方程的两步识别方法。首先利用模态应变能变化率方法进行较为精确的损伤定位,然后引入损伤后的单元刚度矩阵,对结构模态应变能耗散率理论进行了相关的改进研究,从而推导出更精确的损伤定量方程方法。该方法只需要前几阶振型模态,不需要完备的测量信息。数值仿真的结果表明,该两步识别方法可以有效地识别出输电塔结构的损伤位置和程度。     

基于改进均匀设计表框架结构损伤识别方法与实验验证

为对框架结构柱破坏进行无损识别,提出一种基于改进均匀设计表确定结构损伤样本数据库,使用神经网络与平面单元模态应变能变化率进行损伤定位和程度识别的方法。提出应用正交设计优化均匀设计,以解决均匀设计试验点过少的缺陷。该方法以平面单元模态应变能变化率作为损伤指标,采用改进均匀设计表,选择具有代表性的损伤工况作为广义回归神经网络(general regression neural network,GRNN)的训练样本,对损伤位置进行识别;在确定损伤位置的前提下,利用径向基(radical basis function,RBF)神经网络对损伤程度进行识别。通过分步方法确定框架柱构件的损伤位置与损伤程度。数值模拟与试验验证了所提出方法的有效性。平面单元模态应变能变化率识别指标克服了空间结构模态振型不完备的缺陷,两步识别法避免神经网络训练时不收敛、趋于局部最小值等缺陷。该方法可用于框架结构柱损伤的位置确定和损伤程度识别。     

基于动力响应互相关的古建筑木结构损伤识别

提出了基于互相关系数和互相关峰值变化率的古建筑木结构损伤识别和定位方法.以随机振动结构的某一测点为参考点,计算其他各测点与参考点的加速度响应之间的互相关函数,将所有的最大值组成互相关峰值向量(Cross-Correlation Peak Vector,CCPV).以两组CCPV之间的互相关系数作为损伤因子对结构进行损伤...     

基于加速度内积向量和灰云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定性问题,提出了基于加速度内积向量和灰云模型相结合的损伤识别方法。描述了云模型和云发生器的基本理论和公式,计算了结构在随机激励荷载下的加速度响应,并利用互相关函数和二阶差分法构造出加速度内积向量损伤指标,最后,基于灰云模型建立了内积向量和损伤区间的前件云和后件云。考虑随机测量噪声等引起的不确定性,利用多种模式下的加权和均化计算,建立了基于灰云模型的损伤识别方法。数值计算结果表明,所提出的基于灰云模型损伤识别方法,可以较好地进行含噪数据的损伤识别,其识别效果优于单纯的加速度内积向量损伤指标。     

大跨度空间网格结构节点损伤识别定位

为检测大跨度空间网格结构状况,对大跨度空间网格结构的节点损伤识别定位进行了研究,提出了适用于大跨度空间网格结构节点损伤识别的两步定位法.利用模态曲率变化比进行节点损伤的初定位,识别出损伤节点所在的子结构;以此子结构为研究对象,利用杆端应变模态变化比对节点损伤进行准确定位.以天津奥林匹克中心体育场屋盖结构为计算模型进行了节点损伤识别的定位模拟,结果表明,模态曲率变化比对节点损伤比较敏感,在节点发生较小程度损伤时便能将其所在的子结构准确地定位;杆端应变模态变化比能够准确地识别节点损伤的确切位置;从而验证了节点损伤两步定位法对大跨度空间网格结构的节点损伤识别定位的适用性和有效性.     

基于曲率模态和神经网络的分步损伤识别法及其在桥梁结构中的应用

神经网络用于损伤识别遇到的最大问题就是训练样本数量的组合爆炸问题,单纯用神经网络进行损伤诊断有很大困难．提出了一种两步识别法来进行损伤诊断,即先采用结构的曲率模态,定义一个新的损伤指标,判断损伤位置,再利用BP神经网络精确识别损伤程度;运用两步识别法对一座混凝土连续刚构桥进行了损伤位置与损伤程度的识别．识别结果表明,对于2个单元和3个单元损伤的情况,分别只需16个和64个损伤样本就能取得满意的识别结果,大大减少了单纯利用神经网络进行损伤识别所需的损伤样本．     

基于支持向量机的钢框架结构损伤定位试验研究

钢框架截面损伤会引起结构的模态频率发生变化。这里以钢框架模型的试验模态频率作为支持向量机的训练和测试样本的输入,由支持向量机输出判断结构损伤位置。研究表明,将支持向量机识别技术与常规的结构模态频率分析相结合,能够有效地识别钢框架结构损伤位置。该算法对损伤位置敏感,且识别精度较高。     

基于振动响应的耦合杆系统损伤识别

  基于响应灵敏度分析法对两跨耦合杆系统的损伤识别问题进行了研究。建立了耦合杆系统的有限元运动方程,利用状态空间法计算系统在外激励下的响应。将系统的局部损伤模拟为杆单元抗拉刚度的减少,推导了响应对单元抗拉刚度的灵敏度。并利用此响应灵敏度进行系统的局部损伤识别。数值算例表明,文中方法能快速准确地识别出耦合杆的局部损伤,并且对模拟的人工噪声不敏感。说明该方法具有一定的工程应用前景。     

基于小波包样本熵和支持向量机的框架结构损伤识别

基于小波包样本熵和支持向量机原理,研究了钢框架结构的损伤定位识别方法.分析在冲击载荷作用下框架结构的动力响应,对加速度信号进行小波包分解,建立小波包样本熵的损伤指标,采用支持向量机原理,识别结构损伤位置以及损伤程度.研究表明,该方法能够利用单一的传感器,实现理想的识别效果,且具有一定的适用性和鲁棒性,在60 dB的噪声水平环境中损伤定位识别结果在90％以上,在40 dB的噪声水平环境中,损伤程度识别结果在90％以上,框架实验模型研究表明,柱的损伤识别精度要高于梁的损伤识别精度.