【技术实现步骤摘要】
本专利技术涉及土木工程结构健康监测、模态力学性质、机器学习等，特别是涉及基于力学增强机器学习的结构模态参数识别方法。
技术介绍
1、结构健康监测在土木工程结构中具有重要的作用，而模态参数识别是从振动数据中得到模态参数，在结构健康监测中扮演了重要作用。结构的模态参数(频率、振型、阻尼比)只和结构的物理参数有关，是反应结构状态的重要指标，如果结构发生损伤，会导致模态参数发生改变。模态参是在结构损伤检测、模型修正和更新、结构安全评定中具有重要的作用。
2、模态参数识别方法包括利用输入和输出的模态参数识别方法和仅利用输出的模态参数识别方法。后者由于不需要人工激励，具有较高的实用性，因而应用更广泛。仅利用输出的模态参数识别方法包括时域方法、频域方法和时频域的方法。时域方法利用结构振动时域数据求解结构模态参数，包括协方差驱动的随机子空间识别(covariance-drivenstochastic subspace identification，ssi-cov)方法、数据驱动的随机子空间识别(data-driven stochastic ...
【技术保护点】
1.基于力学增强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：
2.根据权利要求1所述的方法，其特征在于，所述目标函数为：
3.根据权利要求2所述的方法，其特征在于，所述力学增强机器学习神经网络包括互相关最小化约束神经网络和稀疏性约束神经网络两部分。
4.根据权利要求3所述的方法，其特征在于，所述稀疏性约束神经网络输入为结构响应时频域的单源点幅值的实部值或虚部值，网络第一层即为输入层，网络2-7层计算方法如下：
5.根据权利要求4所述的方法，其特征在于，稀疏性约束神经网络第七层求解的是各单源点聚类中心...
【技术特征摘要】
1.基于力学增强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：
2.根据权利要求1所述的方法，其特征在于，所述目标函数为：
3.根据权利要求2所述的方法，其特征在于，所述力学增强机器学习神经网络包括互相关最小化约束神经网络和稀疏性约束神经网络两部分。
4.根据权利要求3所述的方法，其特征在于，所述稀疏性约束神经网络输入为结构响应时频域的单源点幅值的实部值或虚部值，网络第一层即为输入层，网络2-7层计算方法如下：
5.根据权利要求4所述的方法，其特征在于，稀疏性约束神经网络第七层求解的是各单源点聚类中心的值，也即各阶模态振型值，各单源点聚类中心的值会传递给互...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。