桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关...桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关性分析从数据完整性、准确性和一致性的角度建立了桥梁健康监测静、动态数据的质量评估方法。对某大跨度斜拉桥健康监测系统的静、动态数据进行质量评估,通过对比分析了不同评估质量的温度数据、静挠度数据和不同评估质量的主梁竖向加速度动力信号的模态参数识别的稳定图,验证了所提方法的正确性。结果表明,所提评估方法能够快速有效地判断数据质量的好坏,进而确保桥梁结构的服役性能评估和预测的准确性,有利于提高健康监测数据的可用性和效能。展开更多
[目的]对老年人健康状态变化的准确监测过程中,基础的误差反向传播(back propagation,BP)神经网络难以对柔性传感器测量信号进行精准的校准处理,导致容易出现过拟合现象,使得校准后的信号均方根差(root mean square error,RMSE)较大。因...[目的]对老年人健康状态变化的准确监测过程中,基础的误差反向传播(back propagation,BP)神经网络难以对柔性传感器测量信号进行精准的校准处理,导致容易出现过拟合现象,使得校准后的信号均方根差(root mean square error,RMSE)较大。因此,以面向老年人健康监测的柔性传感器为研究对象,设计一种基于改进GA-BP神经网络的测量信号校准方法。[方法]将卡尔曼滤波算法和滑动平均滤波算法结合起来,对柔性传感器实时测量信号进行混合滤波处理,得到去除噪声干扰的有效信号。通过细分操作将预处理后的信号转换为多个信号子序列,并计算出信号均方根值和波动系数,完成信号特征向量提取。以BP神经网络为核心,构建柔性传感器测量信号校准模型,并应用改进遗传算法(genetic algorithm,GA)对模型参数进行寻优计算,提升网络模型工作性能,将特征向量输入其中自动预测未来时刻健康监测信号变化,对比实时测量信号即可完成校准操作。[结果]实验结果表明:应用该方法对柔性传感器给出的老年人健康监测信号校准后,测量信号的RMSE值低于0.07。[结论]所提出的改进GA-BP神经网络的测量信号校准方法,满足了信号误差校准要求。展开更多
文摘桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关性分析从数据完整性、准确性和一致性的角度建立了桥梁健康监测静、动态数据的质量评估方法。对某大跨度斜拉桥健康监测系统的静、动态数据进行质量评估,通过对比分析了不同评估质量的温度数据、静挠度数据和不同评估质量的主梁竖向加速度动力信号的模态参数识别的稳定图,验证了所提方法的正确性。结果表明,所提评估方法能够快速有效地判断数据质量的好坏,进而确保桥梁结构的服役性能评估和预测的准确性,有利于提高健康监测数据的可用性和效能。
