發(fā)布時間：2021-05-18 23:37

　　隨著水利工程的不斷發(fā)展,機組、水流等與結(jié)構(gòu)的耦合作用導(dǎo)致的水工結(jié)構(gòu)振動問題已引起人們的重視,威脅了水工結(jié)構(gòu)的安全運行。依據(jù)結(jié)構(gòu)振動的歷史數(shù)據(jù)來對不同位置結(jié)構(gòu)振動狀態(tài)以及未來振動趨勢進行預(yù)測,使用更少的觀測數(shù)據(jù),以實現(xiàn)全面了解和控制水工結(jié)構(gòu)振動情況已經(jīng)成為水工安全領(lǐng)域一新的研究熱點。本文采用不同種類的智能優(yōu)化算法對SVM算法進行改進,構(gòu)建優(yōu)化的智能預(yù)測模型,以觀測的實際振動數(shù)據(jù)為依據(jù),利用模型處理非線性數(shù)據(jù)的能力,映射出預(yù)測結(jié)構(gòu)的振動響應(yīng)特征,從而實現(xiàn)對缺少監(jiān)測數(shù)據(jù)的結(jié)構(gòu)或監(jiān)測部位的未來振動趨勢進行預(yù)測的目的。本文所做的主要工作和得到的結(jié)論如下:1、研究了機器學習的相關(guān)理論,介紹了建立在統(tǒng)計學習理論基礎(chǔ)上的SVM基本原理和SVM的優(yōu)缺點,并且介紹了SVM目前的發(fā)展狀況和在水工結(jié)構(gòu)振動預(yù)測領(lǐng)域中的應(yīng)用。2、結(jié)合工程實例中原型梯級泵站機組和管道運行的實測數(shù)據(jù),運用PSO算法優(yōu)化SVM的核函數(shù)關(guān)鍵參數(shù)及懲罰因子,建立了PSO-SVM振動預(yù)測模型,并建立BP神經(jīng)網(wǎng)絡(luò)振動預(yù)測模型予以對比,來預(yù)測不同位置的結(jié)構(gòu)振動狀況,并用不同指標對建立的PSO-SVM和BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果進行評價。預(yù)測結(jié)果表明:... 

【文章來源】：華北水利水電大學河南省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景
    1.2 水工結(jié)構(gòu)振動和預(yù)測方法研究現(xiàn)狀
    1.3 振動預(yù)測方法總結(jié)
    1.4 本文主要工作
2 支持向量機的基本理論
    2.1 統(tǒng)計學習基本理論
        2.1.1 機器學習
        2.1.2 VC維
        2.1.3 推廣性界理論
        2.1.4 結(jié)構(gòu)風險最小化原則
    2.2 分類支持向量機理論
        2.2.1 線性支持向量分類機
        2.2.2 非線性支持向量分類機
    2.3 回歸支持向量機理論
        2.3.1 線性支持向量回歸機
        2.3.2 非線性支持向量回歸機
    2.4 支持向量機模型的建立
    2.5 SVM在水工領(lǐng)域中的應(yīng)用
    2.6 本章小結(jié)
3 機組振動引發(fā)管道結(jié)構(gòu)振動響應(yīng)預(yù)測研究
    3.1 粒子群優(yōu)化算法基本理論
    3.2 PSO-SVM模型
    3.3 工程實例
        3.3.1 拾振器的選型與布置
        3.3.2 機組和管道振動響應(yīng)關(guān)系
        3.3.3 PSO-SVM模型的建立
        3.3.4 預(yù)測結(jié)果及對比
    3.4 本章小結(jié)
4 泄流誘發(fā)壩體結(jié)構(gòu)振動趨勢預(yù)測
    4.1 變分模態(tài)分解理論
        4.1.1 VMD基本原理
        4.1.2 VMD方法的仿真分析
    4.2 VMD-SVR模型
    4.3 工程實例
        4.3.1 拾振器的布置及振動數(shù)據(jù)的選取
        4.3.2 VMD分解結(jié)果
        4.3.3 VMD-SVR模型預(yù)測結(jié)果及對比
    4.4 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 工作展望
攻讀學位期間參加的科研項目及發(fā)表的學術(shù)論文
致謝
參考文獻



本文編號：3194676