中国博士后科学基金(20110491637)
- 作品数：5 被引量：18H指数：3
- 相关作者：刘义艳巨永锋段晨东贺栓海贺拴海更多>>
- 相关机构：长安大学汉中市建筑勘察设计研究院更多>>
- 发文基金：中国博士后科学基金国家科技支撑计划中央高校基本科研业务费专项资金更多>>
- 相关领域：电子电信建筑科学更多>>
- 基于EEMD和SVR的单自由度结构状态趋势预测被引量：6
- 2012年
- 为了解决结构早期损伤难以正确识别的问题,结合聚类经验模式分解(EEMD)解决随机不确定性问题和支持向量机(SVM)解决预测问题这两者的优势,提出了一种基于EEMD特征提取的支持向量机回归(SVR)结构状态趋势预测方法。先对单自由度结构渐进损伤的加速度振动信号进行EEMD,再进行希尔伯特变换(HT),计算瞬时频率,然后用回归支持向量机对反映结构健康状态的瞬时频率进行趋势预测。研究表明:对于渐变损伤该方法可以准确地、高精度地预测结构状态趋势。
- 刘义艳贺栓海巨永锋段晨东
- 关键词：支持向量机回归单自由度结构
- 基于EEMD和SVR的多自由度结构状态趋势预测被引量：2
- 2012年
- 由于工程结构的复杂性和引起结构损伤原因的不确定性,结构早期微弱和潜在的损伤难以识别和预测。为此提出了基于聚类经验模式分解（EEMD）和支持向量机回归（SVR）的结构健康状态趋势预测方法。首先对多自由度结构渐进损伤的加速度振动信号进行聚类经验模式分解（EEMD）;再进行希尔伯特变换（HT）计算瞬时频率;然后用回归支持向量机对反映结构健康状态的瞬时频率进行趋势预测。详细分析了各种参数对回归和预测精度的影响,提出了这些参数的选用方法和一般原则。研究表明：该方法具有训练样本少的特点;在采用二阶多项式核函数、回归步长m=3~5、误差惩罚因子C=100、敏感因子ε=0.01时,可以准确地和高精度地预测结构状态趋势,预测精度达到0.24781%。
- 刘义艳贺栓海王露段晨东
- 关键词：支持向量机回归多自由度结构
- 采用EEMD和WPT的结构损伤特征提取方法被引量：5
- 2012年
- 为了解决传统小波或小波包变换方法对结构损伤振动信号频率分辨率不高、易受邻近谐波交叠影响的问题,提出了一种基于聚类经验模式分解(EEMD)和小波包变换(WPT)的结构损伤特征提取方法。首先对原始信号进行EEMD分解,提取包含结构损伤信息的固有模式分量(IMF),再对其进行正交小波包分解,并计算小波包相对能量分布。该方法用于美国土木工程师学会(ASCE)提出的钢结构框架的损伤特征提取,结果表明:EEMD方法具有白噪声的剔除特性,可避免模式混叠的发生;不同检测节点处不同损伤工况的IMF小波包相对能量分布有显著的差异,可以作为一种理想指标表征结构损伤特征。
- 刘义艳贺拴海巨永锋段晨东
- 关键词：小波包变换
- 基于支持向量机的变压器故障诊断被引量：4
- 2011年
- 针对变压器故障诊断中缺少实际典型故障样本的问题,提出了支持向量机(SVMs)变压器故障诊断方法。该方法采用K均值聚类(KMC)对变压器油中5种特征气体样本进行预选取作为特征向量,输入到多分类支持向量机中进行训练,建立SVMs诊断模型,实现对故障样本的诊断分类。实例分析表明,KMC算法浓缩了故障信息,有效地解决了确定模型参数时耗时巨大的问题。该方法在有限样本情况下,能够达到较高的故障正判率,满足变压器故障自动诊断的目的。
- 刘义艳陈晨亢旭红巨永锋
- 关键词：变压器故障诊断K均值聚类支持向量机
- 基于多传感器信息融合的SVM结构损伤诊断方法被引量：1
- 2013年
- 为了能准确地诊断复杂结构损伤的发生、位置和程度,提出了一种聚类经验模式分解(EEMD)、小波包分解(WPT)、多传感器信息融合和SVM模式分类相结合的结构损伤诊断方法.首先对多个传感器采集的加速度振动信号进行EEMD分解,选择包含结构损伤信息丰富的固有模态函数(IMF);其次对其进行正交小波包分解,并计算小波包相对能量分布;最后把这些传感器信号的小波包相对能量融合,构成SVM分类器的输入特征向量,从而实现损伤的诊断和评价.研究结果表明:该方法在学习样本数较少的情况下仍然具有较好的适应性和分类能力;多传感器信息融合技术减小了损伤检测信息的不确定性,提高了损伤诊断准确率.
- 刘义艳陈晨俞竣瀚
- 关键词：支持向量机信息融合
