期刊专题

10.15918/j.tbit1001-0645.2022.119

基于多模型集成的结构健康状态趋势预测

引用
由于单一的预测模型不能充分地反映出结构振动数据的复杂规律和信息,为了提高结构健康状态趋势预测的精度,充分利用每个模型的优点,提出了基于深度置信网络(depth-confidence network,DBN)、长短时记忆神经网络(long-short-term memory neural network,LSTM)、小波神经网络(wavelet neural network,WNN)的多模型集成预测方法.首先,将工程结构振动信号经变分模态分解(variation mode decomposition,VMD)分和Hilbert变换得到瞬时频率;然后,将瞬时频率作为多模型集成的输入,通过加权平均法和投票法融合的方式对权值系数进行分配,分析不同的权值对预测精度的影响.实验结果表明,当权值 ω=0.8时多模型集成方法的预测结果更接近实际值,相比于传统的算术平均模型和其他三种单一的预测模型,多模型集成方法结合了所有的预测模型所具有的全部优点,预测性能最优,预测精度最高.

变分模态分解、瞬时频率、多模型集成、健康状态、趋势预测

43

TU973.2;TU311.3(地下建筑)

国家自然科学基金;陕西省重点研发计划资助项目;国家重点研发计划

2023-06-27(万方平台首次上网日期,不代表论文的发表时间)

共7页

602-608

相关文献
评论
暂无封面信息
查看本期封面目录

北京理工大学学报

1001-0645

11-2596/T

43

2023,43(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn

打开万方数据APP,体验更流畅