基于EEMD和SVR的单自由度结构状态趋势预测

被引：6

作者：

刘义艳 ^{[1
]}

贺栓海 ^{[2
]}

巨永锋 ^{[1
]}

段晨东 ^{[1
]}

机构：

[1] 长安大学电子与控制工程学院

[2] 长安大学公路学院

来源：

振动与冲击 | 2012年 / 31卷 / 05期

关键词：

聚类经验模式分解; 支持向量机回归; 单自由度结构; 瞬时频率; 趋势预测;

D O I：

10.13465/j.cnki.jvs.2012.05.008

中图分类号：

TB53 [振动、噪声及其控制];

学科分类号：

083002 ; 120402 ;

摘要：

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。

引用

页码：60 / 64

页数：5

共 5 条

[1]

MATLAB在振动信号处理中的应用.[M].王济;胡晓编著;.知识产权出版社.2006,

[2] 基于支持向量回归机的机翼盒段结构健康监测研究 [J].

芦吉云 ;

梁大开 ;

张晓丽 ;

曾捷 .

仪器仪表学报, 2009, 30 (03) :486-491

[3] 基于特征可分性的核函数自适应构造 [J].

任双桥 ;

魏玺章 ;

黎湘 ;

庄钊文 .

计算机学报, 2008, (05) :803-809

[4] 基于核函数估计的转子故障诊断方法 [J].

李巍华 ;

史铁林 ;

杨叔子 .

机械工程学报, 2006, (09) :76-82

[5]

Analysis of signals for monitoring of nonlinear and non-stationary machining processes.[J].Tomas Kalvoda;Yean-Ren Hwang.Sensors & Actuators: A. Physical.2010, 1

← 1 →