作者：王彩霞; 刘义艳变分模态分解深度置信网络结构健康预测动量学习率
摘要：为了能更好地反映结构状态变化趋势,提高限制玻尔兹曼机(RBM)对非线性信号的特征提取能力,该文在深度置信网络(DBN)的预训练阶段引入动量学习率,提出了一种基于VMD-DBN的结构健康状态趋势预测方法。将待处理信号用变分模态分解(VMD)方法进行分解,对分解的分量经希尔伯特变换得到瞬时频率;将瞬时频率作为改进DBN预测模型的输入进行结构健康状态趋势预测。仿真和工程实验表明,VMD方法有效地消除了模态混叠,分解出信号的各个固有分量。改进DBN模型的预测精度优于传统DBN、长短时记忆网络(LSTM)和传统BP神经网络,说明改进DBN模型能够很好地应用于结构健康状态趋势预测。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《工业仪表与自动化装置》（CN：61-1121/TH）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《工业仪表与自动化装置》及时报道国内外自动化和仪器仪表行业的发展方向及最新技术的应用，包括仪器仪表、过程控制、工控机、通讯、现场总线、系统工程等，是从事自动化工程设计、应用及仪表工业方面的科研、生产、管理、设计、操作人员及有关大专院校师生的良师益友。
杂志详情
