本文關(guān)鍵詞：基于無(wú)監(jiān)督學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的振動(dòng)信號(hào)模態(tài)參數(shù)識(shí)別　出處：《計(jì)算機(jī)應(yīng)用》2017年03期 　論文類型：期刊論文

  更多相關(guān)文章： 卷積神經(jīng)網(wǎng)絡(luò) 模態(tài)參數(shù) 無(wú)監(jiān)督學(xué)習(xí) 學(xué)習(xí)誤差 隨機(jī)子空間識(shí)別 局部線性嵌入

【摘要】：針對(duì)現(xiàn)有的時(shí)域模態(tài)參數(shù)識(shí)別方法大多存在難定階和抗噪性差的問(wèn)題,提出一種無(wú)監(jiān)督學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)的振動(dòng)信號(hào)模態(tài)識(shí)別方法。該算法在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行改進(jìn)。首先,將應(yīng)用于二維圖像處理的卷積神經(jīng)網(wǎng)絡(luò)改成處理一維信號(hào)的卷積神經(jīng)網(wǎng)絡(luò),其中輸入層改成待提取模態(tài)參數(shù)的振動(dòng)信號(hào)集合,中間層改成若干一維卷積層、抽樣層,輸出層得到的為信號(hào)對(duì)應(yīng)的N階模態(tài)參數(shù)集合;然后,在誤差評(píng)估中,對(duì)網(wǎng)絡(luò)計(jì)算結(jié)果(N階模態(tài)參數(shù)集)進(jìn)行振動(dòng)信號(hào)重構(gòu);最后,將重構(gòu)信號(hào)和輸入信號(hào)之間差的平方和作為網(wǎng)絡(luò)學(xué)習(xí)誤差,使得網(wǎng)絡(luò)變成無(wú)監(jiān)督學(xué)習(xí)網(wǎng)絡(luò),避免模態(tài)參數(shù)提取算法的定階難題。實(shí)驗(yàn)結(jié)果表明,當(dāng)所構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于模態(tài)參數(shù)提取時(shí),與隨機(jī)子空間識(shí)別(SSI)算法及其局部線性嵌入(LLE)算法對(duì)比,在噪聲干擾下,構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)識(shí)別精度要高于SSI算法與LLE算法,具有抗噪聲強(qiáng)、避免了定階難題的優(yōu)點(diǎn)。
[Abstract]:Most of the existing time domain modal parameter identification methods have the problems of difficult order determination and poor noise resistance. In this paper, an unsupervised learning method for modal identification of vibration signals based on convolution neural network (CNN) is proposed. The algorithm is improved on the basis of convolution neural network. The convolution neural network used in two-dimensional image processing is changed into a convolution neural network for processing one-dimensional signals, in which the input layer is changed into the vibration signal set of modal parameters to be extracted, and the middle layer is changed into several one-dimensional convolution layers. The sampling layer and the output layer are the N order modal parameter set corresponding to the signal. Then, in the error evaluation, the vibration signal is reconstructed from the N-order modal parameter set. Finally, the square sum of the difference between the reconstructed signal and the input signal is taken as the learning error of the network, which makes the network become an unsupervised learning network and avoids the difficulty of determining the order of the modal parameter extraction algorithm. When the constructed convolution neural network is applied to modal parameter extraction, it is compared with the random subspace recognition algorithm (SSI) and the local linear embedding (LLE) algorithm under noise interference. The recognition accuracy of the constructed neural network is higher than that of the SSI algorithm and the LLE algorithm. It has the advantages of strong anti-noise and avoiding the problem of order determination.
【作者單位】： 寧波大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61071198) 浙江省自然科學(xué)基金資助項(xiàng)目(LY13F010015) 浙江省科技創(chuàng)新團(tuán)隊(duì)資助項(xiàng)目(2013TD21) 寧波大學(xué)科研基金(學(xué)科項(xiàng)目)資助項(xiàng)目(xkx11417)~~
【分類號(hào)】：TP391.41;TP183
【正文快照】： 0引言振動(dòng)信號(hào)的模態(tài)參數(shù)識(shí)別是大型結(jié)構(gòu)健康監(jiān)測(cè)和結(jié)構(gòu)損傷探測(cè)領(lǐng)域振動(dòng)檢測(cè)技術(shù)的核心,日益成為一種有效而實(shí)用的故障診斷和安全檢測(cè)方法。目前工程中常用的環(huán)境激勵(lì)下模態(tài)參數(shù)識(shí)別方法[1-4]有時(shí)域法(依式時(shí)域法(Ibrahim TimeDomain,ITD)、隨機(jī)子空間識(shí)別(Stochastic Subspa

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝智歌;王岳青;竇勇;熊岳山;;基于卷積-自動(dòng)編碼機(jī)的三維形狀特征學(xué)習(xí)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年11期

2 張晴晴;劉勇;潘接林;顏永紅;;基于卷積神經(jīng)網(wǎng)絡(luò)的連續(xù)語(yǔ)音識(shí)別[J];工程科學(xué)學(xué)報(bào);2015年09期

3 單德山;李喬;;橋梁結(jié)構(gòu)模態(tài)參數(shù)的時(shí)頻域識(shí)別[J];橋梁建設(shè);2015年02期

4 徐姍姍;劉應(yīng)安;徐f;;基于卷積神經(jīng)網(wǎng)絡(luò)的木材缺陷識(shí)別[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2013年02期

5 白俊卿;閆桂榮;王成;;利用局部線性嵌入的模態(tài)識(shí)別[J];西安交通大學(xué)學(xué)報(bào);2013年01期

6 代煜;張建勛;;基于小波變換和反向傳播網(wǎng)絡(luò)的模態(tài)參數(shù)辨識(shí)[J];振動(dòng)與沖擊;2012年03期

7 許斌;龔安蘇;賀佳;MASRI Sami F;;基于神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)參數(shù)提取新方法[J];工程力學(xué);2011年04期

8 付志超;程偉;李晶;徐成;;一種基于神經(jīng)網(wǎng)絡(luò)的模態(tài)參數(shù)識(shí)別方法[J];機(jī)械強(qiáng)度;2010年06期

9 孫宗光;高贊明;倪一清;;基于神經(jīng)網(wǎng)絡(luò)的損傷構(gòu)件及損傷程度識(shí)別[J];工程力學(xué);2006年02期

10 續(xù)秀忠,華宏星,陳兆能;基于環(huán)境激勵(lì)的模態(tài)參數(shù)辨識(shí)方法綜述[J];振動(dòng)與沖擊;2002年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉云;楊建濱;王傳旭;;基于卷積神經(jīng)網(wǎng)絡(luò)的蘋果缺陷檢測(cè)算法[J];電子測(cè)量技術(shù);2017年03期

2 方寧;周宇;葉慶衛(wèi);李玉剛;;基于無(wú)監(jiān)督學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的振動(dòng)信號(hào)模態(tài)參數(shù)識(shí)別[J];計(jì)算機(jī)應(yīng)用;2017年03期

3 南宮自軍;戴新進(jìn);王亮;蔡毅鵬;;航天飛行器飛行模態(tài)辨識(shí)技術(shù)應(yīng)用及展望[J];強(qiáng)度與環(huán)境;2017年01期

4 吳翠穎;周濤;陸惠玲;王媛媛;;特征級(jí)圖像融合及在醫(yī)學(xué)圖像中的應(yīng)用研究[J];電視技術(shù);2016年12期

5 劉嘉新;劉立偉;王克奇;;基于小波包和RBF神經(jīng)網(wǎng)絡(luò)的木材空洞診斷研究[J];西南林業(yè)大學(xué)學(xué)報(bào);2016年06期

6 程琳;楊杰;鄭東健;任杰;;基于Hankel矩陣聯(lián)合近似對(duì)角化的結(jié)構(gòu)模態(tài)識(shí)別[J];振動(dòng).測(cè)試與診斷;2016年06期

7 林萍;陳永明;鄒志勇;;非線性流行降維與近紅外光譜分析技術(shù)的大米貯藏期快速判別[J];光譜學(xué)與光譜分析;2016年10期

8 劉萬(wàn)軍;梁雪劍;曲海成;;基于雙重優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別算法[J];模式識(shí)別與人工智能;2016年09期

9 蔣依壇;施洲;蒲黔輝;;輕軌橋梁高墩結(jié)構(gòu)動(dòng)載試驗(yàn)與振動(dòng)特性分析[J];鐵道標(biāo)準(zhǔn)設(shè)計(jì);2016年10期

10 張建偉;暴振磊;江琦;王濤;劉軒然;;基于SVD與改進(jìn)EMD聯(lián)合的泄流結(jié)構(gòu)工作特性信息提取[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2016年04期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 單德山;孫松松;黃珍;呂天德;李喬;;基于試驗(yàn)數(shù)據(jù)的吊拉組合模型橋梁有限元模型修正[J];土木工程學(xué)報(bào);2014年10期

2 單德山;徐敏;;數(shù)據(jù)驅(qū)動(dòng)隨機(jī)子空間算法的橋梁運(yùn)營(yíng)模態(tài)分析[J];橋梁建設(shè);2011年06期

3 程輝;李振東;;希爾伯特-黃變換聯(lián)合分析法在橋梁健康監(jiān)測(cè)模態(tài)參數(shù)識(shí)別中的應(yīng)用[J];世界橋梁;2010年04期

4 徐佳;黃聲享;麻鳳海;;基于改進(jìn)HHT理論的大型橋梁動(dòng)態(tài)特性分析[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年07期

5 徐曉霞;任偉新;韓建剛;;基于響應(yīng)協(xié)方差小波變換和SVD的結(jié)構(gòu)工作模態(tài)參數(shù)識(shí)別[J];振動(dòng)工程學(xué)報(bào);2010年02期

6 滕軍;朱焰煌;周峰;李惠;歐進(jìn)萍;傅學(xué)怡;顧磊;;基于復(fù)Morlet小波變換的大跨空間結(jié)構(gòu)模態(tài)參數(shù)識(shí)別研究[J];振動(dòng)與沖擊;2009年08期

7 代煜;孫和義;李慧鵬;唐文彥;;基于小波變換的弱非線性阻尼和剛度辨識(shí)方法[J];振動(dòng)與沖擊;2009年02期

8 徐增丙;軒建平;史鐵林;吳波;胡友民;;LS-SVM在基于小波變換的模態(tài)分析中端部效應(yīng)的應(yīng)用[J];中國(guó)機(jī)械工程;2008年13期

9 寇立夯;金峰;;基于HHT方法的結(jié)構(gòu)模態(tài)參數(shù)識(shí)別[J];水利水電科技進(jìn)展;2008年03期

10 李煒明;朱宏平;夏勇;;某框架損傷識(shí)別參數(shù)的特征分析[J];振動(dòng)與沖擊;2008年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來(lái)自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長(zhǎng)沙鐵道學(xué)院學(xué)報(bào);2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

7 趙奇 ,劉開(kāi)第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)預(yù)測(cè)中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過(guò)去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過(guò)去、現(xiàn)在和將來(lái)[J];青年探索;2006年04期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1378355