西安建筑科技大学学报(自然科学版)
西安建築科技大學學報(自然科學版)
서안건축과기대학학보(자연과학판)
JOURNAL OF XI'AN UNIVERSITY OF ARCHITECTURE & TECHNOLOGY
2013年
6期
803-807
,共5页
聚类经验模式分解%小波包频带能量%支持向量机%信息融合%损伤诊断
聚類經驗模式分解%小波包頻帶能量%支持嚮量機%信息融閤%損傷診斷
취류경험모식분해%소파포빈대능량%지지향량궤%신식융합%손상진단
ensemble empirical mode decomposition (EEMD)%wavelet packet frequency band energy%support vector machine (SVM)%information fusion%damage diagnosis
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.
為瞭能準確地診斷複雜結構損傷的髮生、位置和程度,提齣瞭一種聚類經驗模式分解(EEMD)、小波包分解(WPT)、多傳感器信息融閤和SVM模式分類相結閤的結構損傷診斷方法.首先對多箇傳感器採集的加速度振動信號進行EEMD分解,選擇包含結構損傷信息豐富的固有模態函數(IMF);其次對其進行正交小波包分解,併計算小波包相對能量分佈;最後把這些傳感器信號的小波包相對能量融閤,構成SVM分類器的輸入特徵嚮量,從而實現損傷的診斷和評價.研究結果錶明:該方法在學習樣本數較少的情況下仍然具有較好的適應性和分類能力;多傳感器信息融閤技術減小瞭損傷檢測信息的不確定性,提高瞭損傷診斷準確率.
위료능준학지진단복잡결구손상적발생、위치화정도,제출료일충취류경험모식분해(EEMD)、소파포분해(WPT)、다전감기신식융합화SVM모식분류상결합적결구손상진단방법.수선대다개전감기채집적가속도진동신호진행EEMD분해,선택포함결구손상신식봉부적고유모태함수(IMF);기차대기진행정교소파포분해,병계산소파포상대능량분포;최후파저사전감기신호적소파포상대능량융합,구성SVM분류기적수입특정향량,종이실현손상적진단화평개.연구결과표명:해방법재학습양본수교소적정황하잉연구유교호적괄응성화분류능력;다전감기신식융합기술감소료손상검측신식적불학정성,제고료손상진단준학솔.