[发明专利]一种基于LSSVM的混合试验在线模型更新方法

说明书

本发明的一种基于LSSVM的混合试验在线模型更新方法，包括采集非线性结构本构模型的离线样本，构建训练样本集；根据训练样本集优化本构模型参数，以当前模型参数以及选取的样本集训练模型，将训练好的模型作为结构预测模型；建立混合试验整体结构的运动方程后，采用数值积分算法求解出混合试验第i步试验子结构的目标位移和数值子结构的目标位移；删除当前训练样本集中的第一个样本，同时增加本步试验子结构的样本，以此更新训练样本集，然后得到更新的结构预测模型。本发明的方法先基于大数据建立非线性结构的初始模型，然后通过不断的在线更新模型训练样本集、优化模型参数，使本构模型实时在线更新，从而实现准确预测数值子结构恢复力的目的。

技术领域

本发明涉及土木工程领域的抗震试验方法，特别是涉及一种基于LSSVM的混合试验在线模型更新方法。

背景技术

土木工程领域中，常用的抗震试验方法主要包括：拟静力试验、振动台试验和拟动力试验。拟静力试验是按照一定的荷载控制或位移控制模式对试件进行低周反复循环加载，使试件从弹性受力一直到破坏，由此获得结构或结构构件的恢复力本构模型。其优点是简单、经济、实用，但无法真实模拟结构在地震作用下的动力响应。地震模拟振动台试验可以再现地震动对结构的动力作用，但其受振动台承载吨位和试验场地的限制。因此，一般在进行大型结构试验时进行模型缩尺试验，但需要考虑尺寸效应对试验结果的影响。拟动力试验是一种联机试验，通过计算机控制加载模拟再现地震过程，优点是无需预先设定结构的恢复力模型，可从加载试件上直接测得结构的恢复力，避免了假定恢复力模型带来的数值误差，并且可应用于大尺寸的模型试验，同时可以观察结构的破坏全过程。

子结构混合试验方法是在传统拟动力试验方法基础上发展起来的。对于一些大型和复杂结构，子结构混合试验方法将整体结构划分为试验子结构和数值子结构，将易破坏或具有复杂非线性恢复力特性的部分作为试验子结构进行物理加载，其余部分作为数值子结构在计算机中进行数值模拟，两部分统一在结构的运动方程中。子结构混合试验方法的优点是有利于开展大型工程结构实验，大大降低了试验设备成本和经费支出。但是对于超高层建筑以及大型复杂建筑的混合模拟试验，由于设备及资金限制，通常只选取有代表性的一个或几个作为试验子结构，剩余绝大部分非线性构件只能预先假定数值模型并划入数值子结构计算。因此，混合试验中数值单元的模型精度是一个不容忽视的关键问题。随后，有学者提出在线模型更新的方法，即是在混合试验中利用具有相同滞回模型的试验子结构的加载观测数据对结构的本构模型进行在线识别，然后实时更新数值子结构的本构模型。

目前，本构模型更新技术主要包括基于数学模型的参数识别方法和基于智能算法的模型更新方法。其中，基于智能算法的模型更新方法无需预先假定结构本构的数学模型，而是利用试验观测数据进行信息化建模，将试验数据提取特征信息后储存在网络结构中，然后通过相应的智能算法学习训练得到真实接近构件的非线性滞回模型。用于结构非线性识别的智能算法主要包括神经网络算法、机器学习算法等。对一些极强非线性构件的识别中，基于智能算法的模型更新方法是对基于数学模型的参数识别方法的补充，也是必不可少的。经过实践发现，这种现有技术中至少存在以下的缺点和不足：

基于智能算法的混合试验在线模型更新研究较少，并且基于传统BP神经网络算法的模型更新算法容易陷入局部极小以及过拟合，泛化性不好，计算效率低。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于LSSVM的混合试验在线模型更新方法。

技术方案：为解决上述技术问题，本发明的一种基于LSSVM的混合试验在线模型更新方法，包括以下步骤：

S1：首先采集非线性结构本构模型的离线样本数据，建立大数据样本库。然后随机选择任意组样本构建训练样本集(x₁,y₁,…x_i,y_i,…x_M,y_M)，M表示样本数量；