本发明公开了一种桥梁变形实时预测方法,包括如下步骤:连续获取一段时间内的桥梁变形信号;自适应地确定变分模态分解的最优分解层数;基于最优分解层数将桥梁变形信号分解为多个变分模态子序列,识别变分模态子序列中的相关成分及不相关成分,基于相关成分及不相关成分将变分模态子序列重构为预测用子序列;基于预测用子序列预测桥梁变形数据。与现有技术相比,本发明可以自适应地确定变分模态分解的最优分解层数,进而识别出相关成分与不相关成分,并基于相关成分和不相关成分重建用于预测的子序列,能够极大程度的抑制不相关成分对变形预测的干扰,提高预测的准确性。
1.一种桥梁变形实时预测方法,其特征在于,包括如下步骤:S1、连续获取一段时间内的桥梁变形信号x(t),t=1,2,...,T;S2、自适应地确定变分模态分解的最优分解层数;步骤S2包括:S201、利用经验模态分解将桥梁变形信号分解为多个经验模态子序列,第j个经验模态子序列表示为sj(t),j=1,2,...,k’,k’为经验模态分解层数;S202、按下式转换经验模态子序列得到新的子序列:式中,为sj(t)对应的新的子序列,τ为滞后时间;S203、按下式计算中心频率:式中,为对应的中心频率,n为训练样本总数;S204、按下式计算中心频率的变异系数CoVk:式中,k为变分模态分解层数,k的取值范围是[k’-3,k’+3];S205、选取最大的变异系数CoVk所对应的k作为最优分解层数;S3、基于最优分解层数将桥梁变形信号分解为多个变分模态子序列,识别变分模态子序列中的相关成分及不相关成分,基于相关成分及不相关成分将变分模态子序列重构为预测用子序列;步骤S3包括:S301、将桥梁变形信号分解为多个变分模态分解子序列,第i个变分模态分解子序列表示为s’i(t),i=1,2,...,k,k为最优分解层数;S302、按下式计算相对熵KLD:式中,D(f||g)和D(g||f)为概率密度函数f(x)和g(s’i)之间的相对熵值,f(x)和g(s’i)分别是x(t)和s’i(t)的概率密度函数;式中,x为训练样本,h为带宽参数,K(·)为对称核函数;σ表示样本标准差的估计值;S303、按下式计算s’i(t)和x(t)之间夹角的余弦函数值:式中,表示s’i(t)和x(t)之间的夹角;S304、将使KLD和最大的变分模态分解子序列作为不相关成分,叠加构建不相关序列c1(t),将其他变分模态分解子序列作为相关成分,叠加构建相关序列c2(t),将c1(t)和c2(t)作为预测用子序列;S4、基于预测用子序列预测桥梁变形数据。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2311447.html,转载请声明来源钻瓜专利网。