期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于AVMD和BSA-KELM的水电站厂房结构振动预测研究
被引量：
3
1
作者
王海军
许松
+1 位作者
陆建宏
任保瑞
《水资源与水工程学报》
CSCD
2020年第6期168-173,179,共7页
针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IM...
针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IMF分量分别建立KELM预测模型,模型参数采用BSA优化算法选取;最后通过信号重构得到结构预测振动时程曲线。将该方法应用于某实际水电站工程,以机组和水压脉动原型观测信号作为输入,以水电站厂房结构振动信号作为输出,建立了预测模型,预测信号与测试信号对比结果表明:测点预测结果决定系数均大于0.8,振动幅值均方根误差均小于0.3μm、平均绝对误差均小于0.2μm,证明该方法预测精度较高,预测效果良好。
展开更多
关键词
水电站厂房
振动预测
自适应模态分解
核极限学习机
鸟群算法
下载PDF
职称材料
题名
基于AVMD和BSA-KELM的水电站厂房结构振动预测研究
被引量：
3
1
作者
王海军
许松
陆建宏
任保瑞
机构
天津大学水利工程仿真与安全国家重点实验室
天津大学建筑工程学院
雅砻江流域水电开发有限公司二滩水力发电厂
出处
《水资源与水工程学报》
CSCD
2020年第6期168-173,179,共7页
基金
国家重点研发计划项目(2016YFC0401901)
天津市自然科学基金项目(18JCYBJC22300)。
文摘
针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IMF分量分别建立KELM预测模型,模型参数采用BSA优化算法选取;最后通过信号重构得到结构预测振动时程曲线。将该方法应用于某实际水电站工程,以机组和水压脉动原型观测信号作为输入,以水电站厂房结构振动信号作为输出,建立了预测模型,预测信号与测试信号对比结果表明:测点预测结果决定系数均大于0.8,振动幅值均方根误差均小于0.3μm、平均绝对误差均小于0.2μm,证明该方法预测精度较高,预测效果良好。
关键词
水电站厂房
振动预测
自适应模态分解
核极限学习机
鸟群算法
Keywords
hydropower
plant
building
vibration
prediction
adapative
variational
mode
decomposition
(
avmd
)
kernel
extreme
learning
machine(KELM)
bird
swarm
algorithm(BSA)
分类号
TV312 [水利工程—水工结构工程]
TV731
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于AVMD和BSA-KELM的水电站厂房结构振动预测研究
王海军
许松
陆建宏
任保瑞
《水资源与水工程学报》
CSCD
2020
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
