基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路.首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IMF分量分别建立KELM预测模型,模型参数采用BSA优化算法选取;最后通过信号重构得到结构预测振动时程曲线.将该方法应用于某实际水电站工程,以机组和水压脉动原型观测信号作为输入,以水电站厂房结构振动信号作为输出,建立了预测模型,预测信号与测试信号对比结果表明:测点预测结果决定系数均大于0.8,振动幅值均方根误差均小于0.3μm、平均绝对误差均小于0.2μm,证明该方法预测精度较高,预测效果良好.
推荐文章
水电站厂房结构振动响应的神经网络预测
振动
厂房结构
预测
神经网络
基于结构声强的水电站厂房振动传递路径研究
水电站厂房
振动传递路径
结构声强
有限元方法
可视化
水电站副厂房结构振动特性研究
水电站副厂房
振动特性
隔层材料
力学参数
地下厂房
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于AVMD和BSA-KELM的水电站厂房结构振动预测研究
来源期刊 水资源与水工程学报 学科 工学
关键词 水电站厂房 振动预测 自适应模态分解 核极限学习机 鸟群算法
年,卷(期) 2020,(6) 所属期刊栏目 水工结构工程
研究方向 页码范围 168-173,179
页数 7页 分类号 TV312|TV731
字数 语种 中文
DOI 10.11705/j.issn.1672-643X.2020.06.26
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (137)
共引文献  (41)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(13)
  • 参考文献(0)
  • 二级参考文献(13)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(9)
  • 参考文献(1)
  • 二级参考文献(8)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(13)
  • 参考文献(3)
  • 二级参考文献(10)
2016(9)
  • 参考文献(1)
  • 二级参考文献(8)
2017(7)
  • 参考文献(0)
  • 二级参考文献(7)
2018(18)
  • 参考文献(0)
  • 二级参考文献(18)
2019(14)
  • 参考文献(3)
  • 二级参考文献(11)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
水电站厂房
振动预测
自适应模态分解
核极限学习机
鸟群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
水资源与水工程学报
双月刊
1672-643X
61-1413/TV
大16开
陕西杨凌渭惠路23号
1990
chi
出版文献量(篇)
4150
总下载数(次)
7
总被引数(次)
30284
论文1v1指导