基于领域自适应支持向量机的跨域损伤识别

Abstract

基于支持向量机的结构损伤识别方法建立在训练和测试数据同概率分布的假设上，必须对每个结构分别收集训练数据和标签并训练模型以识别损伤。损伤结构的训练数据和标签难以收集，导致支持向量机方法在结构损伤识别中难以实施。提出一种基于领域自适应支持向量机的跨域损伤识别方法，将在有损伤标签结构（源结构）上训练的支持向量机推广到无损伤标签结构（目标结构）的损伤识别中。该方法首先提取结构的多阶固有频率变化率作为损伤特征构建训练数据；然后，推导最小化边缘分布差异与最小化联合分布差异的迁移学习方法，将源结构和目标结构数据映射到高维特征空间，减小域之间的数据分布差异；最后，使用映射后的源结构数据训练支持向量机，使用该支持向量机对目标结构进行损伤识别。应用于钢框架与混凝土框架，以及不同结构形式钢框架中的跨域损伤识别，显著提高了支持向量机对目标结构的损伤识别准确率。该方法充分利用了不同结构的损伤标签和支持向量机模型，解决了机器学习中训练数据和损伤标签缺乏的难题，并能极大地提高学习效率、降低学习成本，为基于支持向量机的结构损伤识别提供了新的解决思路。

Keywords

• 损伤识别;频率变化率;领域自适应;支持向量机