基于極限學習機馬爾可夫模型的結(jié)構(gòu)健康狀態(tài)預(yù)測研究.pdf

1、20世紀以來國內(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，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

2、HT變換的結(jié)構(gòu)損傷特征提取方法。首先對原始信號進行EEMD分解，提取包含結(jié)構(gòu)損傷信息的IMF分量，再對其進行HT變換計算瞬時頻率。試驗表明：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）極限學習機受本身算法的制約導致其預(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)合極限學習機和馬爾科夫模型的預(yù)測

3、方法。首先利用極限學習機對表征結(jié)構(gòu)損傷的瞬時頻率進行預(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)測出極限學習機的預(yù)測誤差，并修正極限學習機的預(yù)測值。試驗表明：極限學習機馬爾科夫預(yù)測模型由于受馬爾科夫狀態(tài)預(yù)測值的約束，導致其預(yù)測誤差相比極限學習機差異不大，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際問題選擇合適的神經(jīng)元和馬爾科夫狀態(tài)數(shù)。