基于不同机器学习模型的框架结构损伤识别对比研究

摘要

针对框架结构损伤特征建立了不同的机器学习模型,对不同模型下的损伤识别结果进行了对比分析。以5层钢框架结构为例,以模态曲率差作为数据集,分别建立了支持向量机(support vector machine,简称SVM)模型、Bagging模型、BP神经网络模型、卷积神经网络(convolutional neural network,简称CNN)模型4种机器学习模型,并通过贝叶斯法和经验法对模型进行了超参数优化,对框架结构的单损伤和多损伤工况进行了损伤位置和损伤程度的识别,在此基础上将数据集进行了噪声处理,分析了4种模型的抗噪能力。结果表明:在无噪声影响下,4种模型对框架结构的损伤识别都有较高的精度,其中Bagging模型在损伤程度识别中的精度相对其他3种模型较差;在数据集加入噪声后,CNN模型相较于其他3种模型损伤识别正确率下降幅度较小,说明CNN模型相较于其他3种模型具有较好的抗噪性。