基于移动时间窗和时空窗主成分分析组合特征的损伤识别方法

近年来,机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明,设计良好的输入特征能够适应多种算法,从而减少调参时间和计算成本,并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特征组合作为机器学习输入,使用双跨平面梁有限元模型生成的模拟应变数据对组合特征的损伤识别效果进行验证。结果表明,良好的特征向量组合对损伤更加敏感,不仅有助于识别在传感器周围发生的损伤,而且能有效地定位结构边缘和远离传感器位置处的损伤,从而提高算法的损伤识别效果。此外,多种噪声强度下的实验表明,组合特征具有良好的鲁棒性,能较好地适应外界环境的变化。