基于深度极限学习机的结构损伤识别方法及系统技术方案

本发明专利技术公开了一种基于深度极限学习机的结构损伤识别方法及系统，该方法结合先进的信号处理技术、深度极限学习机和粒子群优化算法，建立了一个能够实现自适应超参数寻优、抗噪性能强和损伤识别鲁棒性强的结构损伤识别方法。采用先进的信号处理技术希尔伯特黄变换来减少测量造噪声对振动信号的影响，提高了损伤识别算法的抗噪性。采用粒子群优化算法对基于深度极限学习机的超参数进行优化，提升了结构损伤识别的精度。最后，使用十折交叉实验验证来测试损伤识别算法的性能，保证了损伤识别算法的鲁棒性。同时，通过不断将在线监测的结构损伤数据用于更新结构损伤识别数据集，实现了损伤识别精度的不断提升。了损伤识别精度的不断提升。了损伤识别精度的不断提升。

【技术实现步骤摘要】
基于深度极限学习机的结构损伤识别方法及系统


[0001]本专利技术属于结构损伤识别领域，具体为一种基于深度极限学习机的结构损伤识别方法及系统。

技术介绍

[0002]大型建筑结构是城市的载体，建筑结构的健康服役是人民正常生活的基础。而随着结构在使用过程中材料的老化、荷载的变化和自然灾害的不断影响，建筑结构会发生不同程度的损伤，而随着损伤程度的加深，建筑结构的安全性能就无法得到保证。因此，对于服役中的建筑结构和建筑结构的关键部件进行健康监测和损伤识别具有非常重要的意义。结构健康监测与损伤识别，具体而言，是指通过在结构上布置传感器，采集结构的损伤数据，将采集到的损伤数据经过数据处理和分析，得到结构的损伤程度和实现损伤的定位。
[0003]基于振动信号的结构损伤识别在20世纪90年代开始在航空航天领域发展，并在同时期迅速的应用建筑结构损伤识别领域。基于振动信号的损伤识别的技术背景是通过分析结构的动态响应来捕捉结构的动力学参数(质量、刚度、阻尼)，进而实现结构的损伤识别。该方法具有信号容易采集，理论背景清晰，具有较强的实用价值。但通常在结构损伤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度极限学习机的结构损伤识别方法，其特征在于，包括以下步骤：获取待测建筑结构的损伤数据并进行预处理；将训损伤数据输入深度极限学习机模型，并对深度极限学习机模型的超参数自适应寻优，得到训练后的深度极限学习机模型；采用十折交叉验证来检验训练后深度极限学习机模型损伤识别的精度和鲁棒性，如果不满足设定要求，则重新对深度极限学习机模型进行超参数优化，直到满足结构损伤识别的精度要求，得到深度极限学习机损伤识别模型；采用深度极限学习机损伤识别模型识别建筑结构的损伤位置。2.根据权利要求1所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，在待测建筑结构的损伤处设置加速度传感器，测量各损伤处的加速度时程数据，得到损伤数据。3.根据权利要求1所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，所述预处理方法为，对损伤数据进行降噪和归一化处理。4.根据权利要求3所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，采用希尔伯特黄变换方法对损伤数据进行降噪处理。5.根据权利要求3所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，使用希尔伯特黄变换提取损伤数据的基本分量，并提取损伤信号各IMF分量的能量特征，并将各损伤信号的损伤程度和损伤位置作为标签，与损伤信号各IMF分量的能量特征组成特征向量。6.根据权利要求1所述的一种基于深度极限学习机的结构损伤...

【专利技术属性】
技术研发人员：梁辰，张淏，解冰，马岚，刘朝泽，李竹涵，
申请(专利权)人：梁辰，
类型：发明
国别省市：