10.3969/j.issn.1000-0682.2019.06.005
基于VMD和DBN的结构健康状态趋势预测
为了能更好地反映结构状态变化趋势,提高限制玻尔兹曼机(RBM)对非线性信号的特征提取能力,该文在深度置信网络(DBN)的预训练阶段引入动量学习率,提出了一种基于VMD-DBN的结构健康状态趋势预测方法.将待处理信号用变分模态分解(VMD)方法进行分解,对分解的分量经希尔伯特变换得到瞬时频率;将瞬时频率作为改进DBN预测模型的输入进行结构健康状态趋势预测.仿真和工程实验表明,VMD方法有效地消除了模态混叠,分解出信号的各个固有分量.改进DBN模型的预测精度优于传统DBN、长短时记忆网络(LSTM)和传统BP神经网络,说明改进DBN模型能够很好地应用于结构健康状态趋势预测.
变分模态分解、深度置信网络、结构健康预测、动量学习率
TU317(建筑结构)
国家自然科学基金青年基金61701044
2020-01-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
24-29