基于稀疏径向基网络的脉冲响应函数提取

摘要

如今，大型建筑如高铁、桥梁、轻轨等在城市中迅速建成，给人们生活带来方便的同时，其安全问题也引起人们的关注。因此对大型结构的健康监测成了热点研究问题，目前是通过获取振动信号的单位脉冲响应函数，间接得到工程结构的相关模态参数的方法来进行健康监测，其中单位脉冲响应函数的神经网络算法，因其非线性函数逼近能力强，抗噪性能好等优点，开始引起学者的兴趣，最常用的是前馈型神经网络—RBF网络，因此本文选用 RBF网络对单位脉冲响应函数进行提取。
　　单位脉冲响应函数的准确提取直接影响工程结构的健康监测。常用的提取单位脉冲响应函数的方法有时域法、小波变换法、RBF网络法等，但是这些方法对噪声敏感，鲁棒性差，因此本文在已有的RBF网络中引入稀疏优化的正交匹配追踪算法，提出稀疏 RBF网络来提取系统的单位脉冲响应函数。
　　首先，从现有的时域分析法、小波分析法、基于 RBF网络的解卷积算法介绍振动信号的单位脉冲响应函数提取算法，给出 RBF网络隐层到输出层的线性关系。
　　其次，对经典 RBF网络的最小二乘法和正则化最小二乘法进行理论推导，从压缩感知理论、信号的稀疏性、稀疏表示原理三方面介绍稀疏表示理论；然后提出稀疏 RBF网络，采用 K-means聚类算法获得网络隐层中心，正交匹配追踪算法(OMP)求解网络权值，由于权值信号非稀疏，需对权值引入二维 DCT基进行稀疏表示，再用 OMP算法重构权值，最后获得网络的单位脉冲响应函数。
　　最后利用稀疏 RBF网络提取轻轨锚固螺杆振动信号的单位脉冲响应函数，并集成系统进行测试仿真。
　　综上，本文以经典 RBF网络为基础，研究了稀疏 RBF网路的单位脉冲响应函数提取算法，并将此算法应用在轻轨锚固振动信号单位脉冲响应函数的提取上，通过实验验证了此算法的可行性和鲁棒性。

目录

声明

引言

1 绪论

1.1 课题的提出、背景及意义

1.2 国内外研究现状与进展

1.3 本文的研究思路和结构安排

2 振动信号的脉冲响应函数的提取

2.1 时域分析法

2.2 小波分析法

2.3 基于径向基RBF网络的解卷积算法

2.4 本章小结

3 稀疏径向基RBF网络的改进算法

3.1 径向基RBF神经网络的概述

3.2 已有径向基RBF网络权重学习算法

3.3 信号稀疏表示理论

3.4 稀疏RBF网络的构建与仿真

3.5 本章小结

4 基于稀疏径向基RBF网络的脉冲响应信号提取

4.1 实际信号采集

4.2 经典RBF网络提取的轻轨锚固螺杆脉冲响应信号

4.3 稀疏RBF网络提取的轻轨锚固螺杆脉冲响应信号

4.4 本章小结

5 提取算法的GUI系统实现与应用

5.1 系统框架

5.2 系统设计

5.3 系统测试

5.4 系统应用

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

在 学 研 究 成 果

致谢