公开(公告)号：CN113935231B

公开(公告)日：2024-11-15

申请号：CN202111074817.X

申请日：2021-09-14

Applicant: 南京邮电大学

Inventor： 王强 ,  邱文

IPC: G06F30/27 ,  G01N27/00 ,  G01N29/04 ,  G01N29/44

Abstract: 本发明公开了一种基于稀疏阵列大尺度结构损伤监测与评估方法，包括：将未知样本输入SVM损伤方位判定模型中，输出该未知样本的损伤方位；将未知样本输入SVM损伤程度跟踪判定模型中，输出该未知样本的损伤程度。从信号的多特征参数方面进行分析，提取损伤方位和损伤程度，通过提取多特征参数的方式弥补稀疏阵列信息量少、难以辨识损伤的问题。借助机器学习的分类算法，实现对大尺度板状结构断层损伤方位和后续损伤程度的跟踪评估的辨识模型。

公开(公告)号：CN113935231A

公开(公告)日：2022-01-14

申请号：CN202111074817.X

申请日：2021-09-14

Applicant: 南京邮电大学

Inventor： 王强 ,  邱文

IPC: G06F30/27 ,  G01N27/00 ,  G01N29/04 ,  G01N29/44

Abstract: 本发明公开了一种基于稀疏阵列大尺度结构损伤监测与评估方法，包括：将未知样本输入SVM损伤方位判定模型中，输出该未知样本的损伤方位；将未知样本输入SVM损伤程度跟踪判定模型中，输出该未知样本的损伤程度。从信号的多特征参数方面进行分析，提取损伤方位和损伤程度，通过提取多特征参数的方式弥补稀疏阵列信息量少、难以辨识损伤的问题。借助机器学习的分类算法，实现对大尺度板状结构断层损伤方位和后续损伤程度的跟踪评估的辨识模型。