本文關(guān)鍵詞：基于極限學(xué)習(xí)機(jī)馬爾可夫模型的結(jié)構(gòu)健康狀態(tài)預(yù)測研究

  更多相關(guān)文章： 結(jié)構(gòu)健康趨勢預(yù)測 損傷特征提取 極限學(xué)習(xí)機(jī) 馬爾科夫模型 粒子群

【摘要】：20世紀(jì)以來國內(nèi)外土木工程結(jié)構(gòu)的建設(shè)取得了突破性、劃時代的發(fā)展,同時這類土木結(jié)構(gòu)的安全性和耐久性也越來越受到人們的關(guān)注,這使得結(jié)構(gòu)健康監(jiān)測與預(yù)測診斷技術(shù)成為社會研究的熱點(diǎn),對正在建設(shè)的和正在服役的土木工程結(jié)構(gòu)設(shè)施進(jìn)行有效的損傷監(jiān)測、評估和趨勢的預(yù)測,具有重要的意義,本文以結(jié)構(gòu)健康狀態(tài)趨勢預(yù)測為研究目的,分別對結(jié)構(gòu)損傷的特征提取和趨勢預(yù)測進(jìn)行了深入研究,研究內(nèi)容如下:(1)為了有效的提取結(jié)構(gòu)的損傷特征,提出了一種基于EEMD和HT變換的結(jié)構(gòu)損傷特征提取方法。首先對原始信號進(jìn)行EEMD分解,提取包含結(jié)構(gòu)損傷信息的IMF分量,再對其進(jìn)行HT變換計算瞬時頻率。試驗(yàn)表明:結(jié)構(gòu)損傷前后瞬時頻率會發(fā)生明顯的變化,能夠有效反映結(jié)構(gòu)因損傷引起的狀態(tài)變化,并且可以準(zhǔn)確地體現(xiàn)結(jié)構(gòu)剛度變化的趨勢,從而反映結(jié)構(gòu)健康狀態(tài)的發(fā)展趨勢。(2)極限學(xué)習(xí)機(jī)受本身算法的制約導(dǎo)致其預(yù)測精度不高,誤差較大,為了能更精確的預(yù)測結(jié)構(gòu)健康狀態(tài)的趨勢,提出一種結(jié)合極限學(xué)習(xí)機(jī)和馬爾科夫模型的預(yù)測方法。首先利用極限學(xué)習(xí)機(jī)對表征結(jié)構(gòu)損傷的瞬時頻率進(jìn)行預(yù)測,計算擬合誤差,然后對擬合誤差建立馬爾科夫模型預(yù)測出極限學(xué)習(xí)機(jī)的預(yù)測誤差,并修正極限學(xué)習(xí)機(jī)的預(yù)測值。試驗(yàn)表明:極限學(xué)習(xí)機(jī)馬爾科夫預(yù)測模型由于受馬爾科夫狀態(tài)預(yù)測值的約束,導(dǎo)致其預(yù)測誤差相比極限學(xué)習(xí)機(jī)差異不大,預(yù)測精度僅僅略有提高,不能有效的預(yù)測結(jié)構(gòu)健康狀態(tài)的趨勢;不同的隱層神經(jīng)元數(shù)目和馬爾科夫狀態(tài)數(shù)都會影響預(yù)測精度,因此需要針對具體的實(shí)際問題選擇合適的神經(jīng)元和馬爾科夫狀態(tài)數(shù)。(3)針對極限學(xué)習(xí)機(jī)馬爾科夫模型的預(yù)測精度不能滿足要求這一問題,提出一種粒子群優(yōu)化的極限學(xué)習(xí)機(jī)馬爾科夫模型。該方法是利用粒子群算法對極限學(xué)習(xí)機(jī)馬爾科夫模型中的狀態(tài)預(yù)測值進(jìn)行自適應(yīng)尋優(yōu),找出可能性最大的狀態(tài)預(yù)測值。試驗(yàn)表明:利用粒子群算法能夠找出相應(yīng)的馬爾科夫狀態(tài)區(qū)間中最合適的狀態(tài)預(yù)測值,使得整個極限學(xué)習(xí)機(jī)馬爾科夫模型預(yù)測值更接近真實(shí)值,誤差更小精度更高。
【關(guān)鍵詞】：結(jié)構(gòu)健康趨勢預(yù)測 損傷特征提取 極限學(xué)習(xí)機(jī) 馬爾科夫模型 粒子群
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TU317;O211.62
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-16
• 1.1 土木結(jié)構(gòu)健康監(jiān)測與預(yù)測的意義9-10
• 1.2 結(jié)構(gòu)健康監(jiān)測與預(yù)測的研究現(xiàn)狀10-12
• 1.3 信號處理方法和極限學(xué)習(xí)機(jī)在結(jié)構(gòu)健康監(jiān)測中的研究現(xiàn)狀12-15
• 1.3.1 EMD&EEMD在損傷診斷中的研究現(xiàn)狀12-14
• 1.3.2 小波和小波包分析在損傷診斷中的研究現(xiàn)狀14
• 1.3.3 極限學(xué)習(xí)機(jī)的研究現(xiàn)狀14-15
• 1.4 課題來源、研究內(nèi)容及章節(jié)安排15-16
• 第二章 基于EEMD和HT的結(jié)構(gòu)損傷特征提取16-41
• 2.1 引言16
• 2.2 EMD方法16-22
• 2.3 EEMD方法22-28
• 2.3.1 EEMD的原理23-24
• 2.3.2 EMD和EEMD仿真信號對比分析24-28
• 2.4 Hilbert變換28-29
• 2.5 工程仿真信號損傷特征提取29-36
• 2.5.1 時變動力系統(tǒng)模型分析和建立29-31
• 2.5.2 損傷趨勢特征提取方法31-32
• 2.5.3 多自由度模型的損傷趨勢研究32-33
• 2.5.4 EEMD和HT損傷趨勢特征提取33-36
• 2.6 工程振動信號損傷趨勢特征提取36-40
• 2.7 本章小結(jié)40-41
• 第三章 基于極限學(xué)習(xí)機(jī)馬爾科夫模型的結(jié)構(gòu)狀態(tài)趨勢預(yù)測41-75
• 3.1 引言41
• 3.2 單隱層反饋神經(jīng)網(wǎng)絡(luò)41-44
• 3.3 極限學(xué)習(xí)機(jī)模型與馬爾科夫模型44-51
• 3.3.1 極限學(xué)習(xí)機(jī)44-47
• 3.3.2 馬爾科夫過程47-48
• 3.3.3 馬爾科夫預(yù)測模型48-50
• 3.3.4 極限學(xué)習(xí)機(jī)馬爾科夫模型50-51
• 3.4 基于極限學(xué)習(xí)馬爾科夫模型的結(jié)構(gòu)損傷趨勢預(yù)測51-74
• 3.4.1 函數(shù)預(yù)測驗(yàn)證51-59
• 3.4.2 誤差評價指標(biāo)59
• 3.4.3 工程仿真數(shù)據(jù)預(yù)測59-68
• 3.4.4 工程振動信號預(yù)測68-74
• 3.5 本章小結(jié)74-75
• 第四章 改進(jìn)的極限學(xué)習(xí)馬爾科夫模型在結(jié)構(gòu)損傷趨勢預(yù)測中的應(yīng)用75-90
• 4.1 引言75
• 4.2 粒子群算法理論75-78
• 4.2.1 粒子群算法的提出75
• 4.2.2 粒子群算法的基本原理75-78
• 4.3 粒子群—極限學(xué)習(xí)馬爾科夫模型78-79
• 4.4 粒子群—極限學(xué)習(xí)馬爾科夫模型在結(jié)構(gòu)損傷趨勢預(yù)測中的應(yīng)用79-89
• 4.4.1 函數(shù)預(yù)測驗(yàn)證79-81
• 4.4.2 工程仿真數(shù)據(jù)預(yù)測驗(yàn)證81-85
• 4.4.3 工程振動信號預(yù)測85-89
• 4.5 本章小結(jié)89-90
• 第五章 結(jié)論與展望90-92
• 5.1 結(jié)論90
• 5.2 展望90-92
• 參考文獻(xiàn)92-96
• 攻讀碩士學(xué)位期間取得的研究成果96-97
• 致謝97

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 郭皓;高崇仁;殷玉楓;張宇;;一種構(gòu)建橋機(jī)結(jié)構(gòu)健康狀態(tài)評價體系的方法研究[J];機(jī)械工程與自動化;2015年05期

2 胡柏學(xué);黃浩;曾威;;基于健康監(jiān)測的懸索橋吊索疲勞可靠性評估[J];公路交通科技;2015年06期

3 馬超;張英堂;;在線核極限學(xué)習(xí)機(jī)及其在時間序列預(yù)測中的應(yīng)用[J];信息與控制;2014年05期

4 陸玉;張華;;基于改進(jìn)極限學(xué)習(xí)機(jī)算法的股票價格在線預(yù)測[J];計算機(jī)工程與應(yīng)用;2014年20期

5 李知藝;丁劍鷹;吳迪;文福拴;;電力負(fù)荷區(qū)間預(yù)測的集成極限學(xué)習(xí)機(jī)方法[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2014年02期

6 任美龍;王旭;梁鵬;;橋梁健康監(jiān)測傳感器系統(tǒng)的現(xiàn)狀及發(fā)展趨勢[J];公路;2013年11期

7 王杰;畢浩洋;;一種基于粒子群優(yōu)化的極限學(xué)習(xí)機(jī)[J];鄭州大學(xué)學(xué)報(理學(xué)版);2013年01期

8 胡義函;張小剛;陳華;李晶輝;;一種基于魯棒估計的極限學(xué)習(xí)機(jī)方法[J];計算機(jī)應(yīng)用研究;2012年08期

9 ;Analysis and assessment of bridge health monitoring mass data——progress in research/development of “Structural Health Monitoring”[J];Science China(Technological Sciences);2012年08期

10 高清清;賈民平;;基于EEMD的奇異譜熵在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年05期

，

本文編號：658609