基于混合高斯分布的联合鲁棒稀疏贝叶斯学习结构损伤识别模型

来源：中国血液净化杂志2024年第5期北京时间：

作者：李荣鹏, 宋学力, 易稳, 肖玉柱, 邓庆田, 李新波

单位：1. 长安大学　理学院，陕西　西安　710064","2. 西安市结构损伤数字化检测技术重点实验室，陕西　西安　710064

摘要：<p>损伤识别是结构健康监测的核心问题之一。基于混合高斯分布的鲁棒稀疏贝叶斯学习损伤识别模型（RSBLM-MoG），因利用混合高斯分布准确地量化损伤识别中的不确定性而得到了较好的损伤识别结果。然而，该模型在损伤识别中忽略了多组测试数据之间相似性信息的利用。为了进一步提高损伤识别精度，通过贝叶斯联合学习技术实现多组测试数据之间相似性信息的利用，提出基于混合高斯分布的联合鲁棒稀疏贝叶斯学习损伤识别模型（JRSBLM-MoG）和其相应的基于Laplace近似的期望最大化算法。平面桁架结构数值算例和固支梁试验研究结果表明：JRSBLM-MoG的损伤识别精度比RSBLM-MoG分别平均提高了7.61%和3.54%；JRSBLM-MoG可有效利用多组测试数据之间相似性信息提高损伤识别精度。</p>

关键词：桥梁工程,损伤识别,稀疏贝叶斯学习,联合学习,期望最大化,Laplace近似