[发明专利]一种基于机器学习的结构模态参数识别方法有效
| 申请号： | 201910994657.7 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110782041B | 公开（公告）日： | 2022-08-02 |
| 发明（设计）人： | 鲍跃全;刘大伟;唐志一;李惠 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/08 |
| 代理公司： | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人： | 孙莉莉 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于机器学习的结构模态参数识别方法，包括以下步骤：步骤一、将振动传感器收集到的数据进行初步滤波去噪处理；步骤二、将滤波后的数据输入设计的神经网络，设计目标函数，所述目标函数用于保证神经网络第三层的输出结果具有完全的独立性，使得神经网络的训练过程变为混叠信号的分离过程；步骤三、提取神经网络第三层的结果即为各阶模态响应，神经网络三四层之间的权重即为各阶振型系数；步骤四、对提取得到的模态响应进行功率谱变换求频率，利用对数衰减技术并进行曲线拟合得到阻尼比。本发明利用机器学习的方法实现了对监测数据的自动处理，网络自动化程度较高，分离速度较快。 | ||
| 搜索关键词： | 一种 基于 机器 学习 结构 参数 识别 方法 | ||
【主权项】：
1.一种基于机器学习的结构模态参数识别方法，其特征在于：所述方法包括以下步骤：/n步骤一、将振动传感器收集到的数据进行初步滤波去噪处理，选择带通滤波器对信号进行频率域滤波，然后进行傅里叶反变换返回到时域；/n步骤二、将滤波后的数据输入设计的神经网络，设计目标函数，所述目标函数用于保证神经网络第三层的输出结果具有完全的独立性，使得神经网络的训练过程变为混叠信号的分离过程；/n步骤三、提取神经网络第三层的结果即为模态响应，神经网络三四层之间的权重即为振型系数；/n步骤四、对提取得到的模态响应进行功率谱变换求频率，利用对数衰减技术并进行曲线拟合得到阻尼比。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学，未经哈尔滨工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910994657.7/，转载请声明来源钻瓜专利网。
