基于变分自编码器与单类支持向量机的半监督结构损伤检测
机器学习
2023-08-15 v4 人工智能
摘要
近年来，人工神经网络（ANNs）已被引入结构健康监测（SHM）系统。采用数据驱动方法的半监督方法允许ANN在未损伤结构状态下获取的数据上进行训练，以检测结构损伤。在标准方法中，训练阶段后手动定义决策规则以检测异常数据。然而，该过程可使用机器学习方法实现自动化，其性能可通过超参数优化技术最大化。本文提出一种数据驱动方法的半监督结构异常检测方法。该方法包括：（i）使用变分自编码器（VAE）近似未损伤数据分布；（ii）使用单类支持向量机（OC-SVM）基于从VAE信号重建中提取的损伤敏感特征区分不同健康状态。该方法应用于一个由IASC-ASCE结构健康监测工作组在九种损伤场景下测试的缩尺钢结构。
引用
@article{arxiv.2210.05674,
title = {Semi-supervised detection of structural damage using Variational Autoencoder and a One-Class Support Vector Machine},
author = {Andrea Pollastro and Giusiana Testa and Antonio Bilotta and Roberto Prevete},
journal= {arXiv preprint arXiv:2210.05674},
year = {2023}
}