基于VMD和DBN的结构健康状态趋势预测

• 作者: 刘义艳 王彩霞
• 来源期刊: 工业仪表与自动化装置
• 关键词: 变分模态分解 深度置信网络 结构健康预测 动量学习率
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 综述
• 页码范围: 24-29
• 页数: 6页
• 分类号: TU317
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0682.2019.06.005

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘义艳	长安大学电子与控制工程学院	20	78	5.0	8.0
2	王彩霞	长安大学电子与控制工程学院	9	48	2.0	6.0