环境激励下桥梁结构模态参数识别的改进随机子空间算法

为了剔除稳定图中的虚假模态和避免模态遗漏现象,提高模态参数识别的精确度,提出了一种基于滑动窗口和相似度的桥梁结构模态参数智能化识别算法。基于余弦相似原理提出了频率相似度和振型相似度,并依此构建置信度,以实现对系统真实阶次的自动化确定;引入改进集成经验模式分解算法,以消除响应信号内部的噪声信号,达到消除部分虚假模态的目的;接着引入滑动窗口以实现对响应信号的划分,并通过构建频率相似度、振型相似度以及阻尼比相似度实现多个窗口对应参数结果中同类模态的聚类处理,达到剔除虚假模态和避免模态遗漏的目的。最后将所提算法运用于实际斜拉桥结构的模态参数识别,并将识别结果与现场试验值以及有限元结果进行对比,结果表明,所提算法不仅能有效识别出频率结果还能识别出准确的模态振型图,能够实现桥梁结构模态参数的在线智能化识别。     

模糊聚类算法稳定图应用于桥梁结构参数识别

将模糊聚类算法应用于稳定图理论,并将该稳定图与协方差驱动的随机子空间法相结合,进行桥梁结构模态参数识别&;#61472;。提出不考虑阻尼的影响,以频率为横坐标,以模态保证准则MAC中任一列数据为纵坐标的模糊聚类算法稳定图。通过比较稳定图中各聚类圆大小的方法进行稳定图真假模态的判别,从而使模态判别不再需要人的主观参与而变得更加智能和准确。通过简支梁和连续梁仿真分析验证了模糊聚类算法稳定图用于桥梁结构参数识别的准确性和较强的抗干扰性。     

基于谱系聚类分析的桥梁结构模态参数自动化识别方法研究

桥梁结构模态参数识别作为桥梁健康监测系统的重要组成部分之一,对桥梁的长期健康监测具有重要意义。而现有的模态参数识别算法还不能实现结构系统阶次和模态参数的自动化识别,基于此,简单介绍了随机子空间算法的基本原理;通过引入"滑窗技术"以实现对时变结构模态参数的在线识别;针对稳定图定阶难这一问题,提出了基于奇异熵理论的系统定阶算法,以实现系统阶次的自动化确定;又将统计学中的"谱系聚类算法"与随机子空间算法进行结合,实现桥梁结构模态参数的自动化识别。利用该算法识别苏通大桥在竖桥向和横桥向的模态参数结果,并将其与理论计算值进行对比分析,结果表明:算法不仅能实现桥梁结构系统阶次的自动化确定,还能实现模态参数的自动化识别,方便对桥梁结构参数的实时监控,了解桥梁结构的健康运营状态。     

基于DBSCAN算法的改进确定-随机子空间模态参数识别算法EI北大核心CSCD

桥梁结构的模态参数识别作为桥梁健康检测系统中的主要环节之一,参数识别的精确程度直接影响着桥梁健康评估的准确程度。因此,针对现阶段被广泛运用的确定-随机子空间算法(combined determine-stochastic subspace identification,CDSI)存在的不足,需人工参与稳定图中模态的辨识,提出了将基于密度的聚类算法(density-based spatial clustering of application with noise,DBSCAN)嵌入到该识别算法中,以提高模态参数识别的效率。首先简单介绍了CDSI识别算法和DBSCAN聚类的相关原理及定义,其次详细介绍了如何将DBSCAN聚类算法有效地嵌入到CDSI算法中,以实现对稳定图中模态的智能化辨识;最后以某大型斜拉桥为识别对象,并将识别结果与MIDAS有限元软件所得结果作对比,结果表明,所提改进CDSI识别算法能够精确地识别出桥梁结构的固有频率值,且所得模态振型图与理论振型图具有很好的相似性。     

特征系统实现算法的识别特性研究及算法的推广

特征系统实现算法是近年来出现的时域模态参数识别技术。本文首先研究了该算法对混有白噪音的加速度及位移自由响应信号的识别特性,并发现辊速度信号和位移信号分别对系统的高频模态和低频模态敏感;然后结合算法的高速识别特点及滑动时间窗技术,研究了算法对振动水平的跟踪能力,并在此基础上提出识别混叠频率的方法;最后将该算法推广至利用常力强迫响应数据进行模态参数的情况,导出了相应的算法,并进行了算例验证。     

基于模糊聚类的模态参数自动识别

多参考点最小二乘复频域法（p-LSCF）是最近几年来提出的宽频带模态参数识别算法,该算法在抗干扰能力、识别密集模态、以及处理大阻尼复杂结构方面具有非常好的特性。区分真实极点与计算极点是该算法中非常重要的一步,这项工作通常是借助于稳定图由人工完成。对于复杂结构,这个过程尤其繁琐并且耗时。模糊聚类肥西已经在多个领域得到了成功的应用,通过将模糊聚类作为自动分析稳定图的工具引入到模态分析中,实现了模态参数的自动识别。     

基于谱系聚类的随机子空间模态参数自动识别

针对随机子空间模态识别过程因人为参与造成识别结果不准确的问题,提出在随机子空间识别过程中引入谱系聚类算法实现模态参数自动识别。通过两种不同状态矩阵计算方法所得到的模态之间的相似程度以及各阶模态的能量剔除由噪声、模态过估计等因素引起的虚假模态;引入谱系聚类算法对结果进行拾取,以频率、阻尼比、模态振型、模态能量作为聚类因子计算结果之间的相似性,通过其将计算结果分为若干类,提取元素多于一定值的类作为拾取结果,实现结果的自动拾取。通过数值仿真和实例分析验证本文方法的有效性。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

基于EEMD与FCM聚类的自动机故障诊断

针对自动机使用中常见的故障检测与识别问题,考虑到自动机振动响应信号非线性、短时、瞬态和冲击特性,提出基于聚合经验模态分解(EEMD)和模糊C均值(FCM)聚类结合的自动机故障诊断方法。首先,使用EEMD分解方法对自动机的振动信号进行分解,结合相关系数提取前5个固有模态函数(IMF)分量的能量百分比作为特征值,再用模糊C均值聚类对特征值进行聚类分析。通过对自动机不同工况分别用EEMD和EMD方法进行故障分类识别对比,结果表明:所有样本的诊断结果与实际情况基本符合,证明EEMD法有更好的分类效果,分类正确率达93.75%。从而验证该方法能有效应用在自动机故障诊断中。     

基于Dirichlet过程的无线视频码率变化识别算法

研究了通过对终端视频帧质量的聚类分析来识别无线视频传输中码率变化的方法,以便为无线视频传输过程中视频码率自适应调整提供参考依据.针对经典模糊C均值(FCM)算法和K均值(K-means)算法需要设定聚类数目的问题,提出一种基于荻利克雷过程(DP)的FCM算法——DP-FCM算法.该算法将Dirichlet过程和FCM算法相结合,由视频帧信息权重峰值信噪比(IWPSNR)值使用DP过程混合模型模拟估计出聚类数目,然后进行FCM模糊聚类,通过设定合理的阈值,合并聚类结果相似项,完成视频帧的聚类,从而实现视频传输码率变化的识别.以LIVE视频库为试验数据源,对该算法进行了性能测试.试验结果表明,DP-FCM算法能够在无需设定聚类数目的前提下实现视频传输码率变化的分类识别.     

基于改进蝙蝠优化自确定的模糊C-均值聚类算法

针对模糊C-均值聚类算法敏感于初始聚类中心及聚类收敛慢、聚类数目手动设定等缺陷,提出了基于改进蝙蝠优化自确定的模糊C-均值聚类算法。该算法是基于密度峰值综合衡量聚类中心外围数据密集程度和聚类中心间距离,自动确定聚类中心和聚类数目,以此作为改进蝙蝠算法的初始中心;在原始蝙蝠算法中引入Levy飞行特征加强算法跳出局部最优能力;使用Powell局部搜索加快算法的收敛,利用改进的蝙蝠种群进行种群寻优,并将最优蝙蝠位置作为聚类C-均值新聚类中心,进行模糊聚类,以此循环交叉迭代多次最终获得聚类结果。将基于改进蝙蝠优化自确定的模糊C-均值聚类算法与其它两种聚类算法在标准数据集上进行仿真对比,实验结果表明:与其它两种算法相比,该算法收敛速度快、误差率低。     

基于提升小波包和模糊模式识别的结构损伤识别

针对网架结构的损伤特点,提出基于提升小波包特征提取的模糊模式识别的结构损伤诊断方法。该方法首先利用提升框架,将结构振动测试信号进行提升小波包分解,提取小波包信号分量能量作为损伤识别的特征向量,以此建立模糊模式识别的模糊子集,最后利用模糊C均值聚类分析与择近原则相结合的模糊模式识别方法对结构进行损伤识别,并研究噪声对该算法的影响。为了证明该方法,对一个二层网架结构模型进行数值仿真,结果表明该方法能够有效地识别损伤。     

水下无人航行器自主检测方法研究

自主检测技术是实现水下无人航行器(Underwater Unmanned Vehicle,UUV)智能化的关键技术,是无人航行器能够自主执行水下预警、目标跟踪等任务的前提。针对当前基于均值类和有序统计类恒虚惊(Constant False Alarm Rate,CFAR)技术的自主检测方法在背景起伏严重、多目标情况下,背景噪声统计特性估计不准确、自主检测性能下降的问题,文章提出了一种基于方位-时间二维参考窗联合有序截断平均算法的自主检测方法。首先,该方法设计了一种方位-时间二维参考窗,解决了一维参考窗检测参考样本过少、噪声统计量估计不准的问题;其次,采用有序截断平均算法估计背景噪声统计量,对起伏背景进行均衡;最后,利用背景噪声均值和方差构造恒虚警检测器,采用检测前跟踪技术,实现起伏背景下、多目标自动检测与跟踪。湖上试验结果表明,在水下无人航行器的自噪声干扰下,该方法对多目标依然具有较好的自主检测效果。     

一种应用改进符号序列熵与滑动窗奇异值的退化特征提取方法

为了准确跟踪岸桥关键部件的性能退化状态,提出一种基于改进符号序列熵与滑动窗奇异值的在线退化特征提取方法。针对岸桥工况特殊、振动随机冲击频繁的特点,引入阈值因子并改进序列符号化方法,在保留方向变化信息的同时兼顾"粗粒化"的幅值变化信息,从而提高符号序列熵滤除随机冲击、刻画振动信号复杂度大小的能力。在线计算振动信号的改进符号序列熵,结合滑动窗方法,循环提取改进符号序列熵序列的奇异值,以此作为岸桥关键部件的在线退化特征。分别采用来自上海港集装箱码头的起升减速箱与轨道铰点的全寿命振动信号进行实例分析,结果表明:滑动窗奇异值能够刻画起升减速箱和轨道铰点的性能退化程度,退化程度越深,取值越大;并且具有计算稳定、快速的优点,能够为准确跟踪并评估健康状态奠定方法基础。     

基于频域系统辨识和支持向量机的桥梁状态监测方法

随着大跨度悬索、斜拉桥的增加,保障桥梁安全、降低维护费用成为交通管理以及政府部门关注的问题。针对损伤样本难以获得的实际情况,将桥梁状态监测问题作为模式识别中的“一类学习”问题处理。桥梁模式特征获取过程是“只有输出响应”的系统辨识问题,考虑到监测系统需要在线工作的特点,提出运用概念直观、结果可靠且便于自动实现的CMIF系统辨识方法作为获取模式特征的工具。为了获得足够敏感的异常报警判别函数,采用了基于支持向量机的一类学习算法,这种方法在得到很高灵敏性的同时,可以方便地权衡敏感性和泛化性能之间的矛盾。用香港汀九桥794小时实测数据对所采用的算法进行验证,证明了算法的有效性和实用性,其结果可供设计类似监测系统时参考。     

一种弱小目标的自适应搜索方法

针对成像跟踪系统中弱小目标搜索定位的难题,提出了一种新的自适应搜索算法,即利用全局寻优的自适应遗传算法搜索目标,以目标的多特征融合信息作为最佳定位的判断准则和适应度函数。实验结果表明,该方法不仅提高了检测精度,也改善了跟踪算法的稳定性和智能策略。     

Process monitoring based on mode identification for multi-mode process with transitions

Some industrial processes frequently change due to various factors, such as alterations of feedstocks and compositions, different manufacturing strategies, fluctuations in the external environment and various product specifications. Most multivariate statistical techniques are under the assumption that the process has one nominal operation region. The performance of it is not good when they are used to monitor the process with multiple operation regions. In this paper, we developed an effective approach for monitoring multi-mode continuous processes with the following improvements. 1). Offline mode identification algorithm is proposed to identify (i) stable modes, (ii) transitional modes between two stable modes, and (iii) noise. 2). According to the data distribution, proper multivariate statistical algorithm is selected automatically to realize fault detection for each mode. 3). When online monitoring, the right model is chosen based on Mode Transformation Probability (MTP), which makes full use of the empirical knowledge hidden in offline data. This method can enhance real-time performance of online mode identification for continuous process and timely monitoring can be further realized. The proposed method is illustrated by application in furnace temperature system of continuous annealing line. The effectiveness of mode identification and fault detection is demonstrated in the results.     

尺度方向自适应的减法聚类视频运动目标定位

针对减法聚类算法对视频运动目标进行定位时无法获取目标尺度及方向参数的问题,本文提出了一种可获取待定位目标尺度及方向参数的视频运动目标定位算法.该算法在减法聚类算法预定位目标位置及获得目标个数的基础上,进一步采用模糊C均值聚类对目标前景样本进行归类,最后通过对目标前景样本协方差矩阵特征值和特征向量的分析获得目标的尺度及方向参数,从而实现对视频运动目标的定位.实验结果表明,所提出的方法与原减法聚类定位方法相比可获得更合理的目标定位结果.