《表1 观测数据平均质量：基于AR模型与贝叶斯优化的SVM的结构损伤识别研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于AR模型与贝叶斯优化的SVM的结构损伤识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：φ8×1.2(78%）表示更换部件的直径和厚度分别为8mm和1.2mm；括号中的数值表示损伤程度。

试验数据采集过程中，会产生零点飘移等误差，影响结果的准确性，因此对所有加速度数据进行减均值处理。为避免方法测试结果的偶然性，将提取的加速度数据进行分段处理，以增加样本数量。舍弃第一秒测得的500个数据，将余下的9500个数据分为每段长3000的14段，相邻两段之间会有部分数据重叠，重叠个数为2500。在构造样本时，首先按照式（2）计算每组数据的前三阶AR系数差，作为损伤指标，然后将5个测点同时刻数据的AR系数差顺序排列成1×15维的特征向量。所以，每个样本为1×15维的特征向量，每种损伤工况有14个样本，6种工况总共84个样本。以海洋平台试验模型的三、四层斜撑杆M1、M2发生损伤为研究对象，并通过替换或者拆除M1、M2杆的形式来实现损伤。将工况L1、L2设置为训练工况，以斜撑杆M1、M2损伤程度为88%时的数据作为训练样本，训练样本总数为28(2×14）个，测试工况设为C1-C4，以斜撑杆M1、M2损伤程度为78%、100%时的数据作为测试样本，测试样本总数56(4×14）个。M1杆对应样本标签1，M2杆对应样本标签-1，具体情况在表1列出。