公开(公告)号：CN119538203A

公开(公告)日：2025-02-28

申请号：CN202411388828.9

申请日：2024-10-08

Applicant: 中国矿业大学

Inventor： 王其昂 ,  王浩博 ,  叶继红 ,  刘书奎 ,  丁安驰 ,  陈进 ,  马超智 ,  冯王盛 ,  罗洋

IPC: G06F18/27 ,  G06F18/2321

Abstract: 本发明公开一种基于非参数贝叶斯模型与实测数据的结构损伤评估方法。属于测量技术领域。通过NExT方法处理传感器检测的加速度数据得到结构的固有频率，利用非参数贝叶斯混合方法对所获得的建筑物不同阶数振动的固有频率进行聚类分析，将聚类分析结果结合极大似然异方差高斯过程和贝叶斯因子的结构损伤程度进行识别与量化分析，采用基于非参数贝叶斯模型的极大似然异方差高斯过程模型MLHGP进行回归分析，实现对建筑物结构损伤的精准识别。本方法通过贝叶斯因子大小来判定损伤程度，能够精准定义结构损伤的早中期发展情况，其计算量小，评估精度高，通用性强。

公开(公告)号：CN112528564A

公开(公告)日：2021-03-19

申请号：CN202011442045.6

申请日：2020-12-08

Applicant: 中国矿业大学

Inventor： 王其昂 ,  戴阳 ,  张诚 ,  王长保 ,  王浩博

IPC: G06F30/27 ,  G06K9/62 ,  G06N5/04 ,  G06N7/00

Abstract: 本发明提供一种基于稀疏贝叶斯学习的桥梁结构损伤识别方法。本发明首先基于结构在健康状态下的结构动力响应数据，构造结构健康状态因子损伤指标；接着引入稀疏贝叶斯学习以构造贝叶斯非参数模型作为参考基准指标；再根据损伤未知的结构动态响应数据构造结构健康状态因子，获取该状态下的稀疏贝叶斯回归模型，并与参考基准指标作对比，最终通过贝叶斯因子开展结构损伤识别定量分析。因稀疏贝叶斯学习考虑了理论模型、实测数据的不确定性，其损伤识别结果更为精确。