基于极限学习机的结构健康监测数据恢复.pdfVIP

第37卷 第 16期 计 算 机 工 程 2011年 8月 、，ol-37 No．16 ComputerEngineering August2011 ·工程应用技术与实现 · 文章■号t1 8(2011)l6-_0241—3 文献标识码lA 中啊分类号tTi~,74 基于极限学习机的结构健康监测数据恢复 黄宴委，吴登国，李 竣 (福州大学电气工程与 自动化学院，福州 350108) 曩 耍：为解决桥梁结构健康监测系统中数据丢失问题，引入格兰杰因果关系分析各传感器变量数据间的关系，选择与传感器丢失数据格 兰杰因果关系大的变量作为极限学习机的输入向量，实现丢失数据的恢复。通过实际桥梁监测丢失数据的仿真实验，以均方根误差和最大 误差绝对值作为评估指标，并与反向传播网络和最小二乘支持向量机算法对比，结果表明该方法在理论和实践上是正确和可行的。 关■胃：数据丢失；格兰杰因果关系；极限学习机；数据恢复；结构健康监测 StructuralHealthyMonitoringDataRecovery Based0nExtremeLearningMachine HUANGYan-wei，wu Deng-guo，LIJun (CollegeofElectricalEngineeringandAutomation，FuzhouUniversity,Fuzhou350108，China) [AbstractlFortheproblemofdataloseinstructuralhealhtymonitoringsystemforhtebridge，Grnagercausalitytestisintroducedtocalculatethe casualrelationbenvee力twosensors．andselecthtesensorsignaloflargerrelationasinputvectorforextremelearningmachinetore~overhtelost sensorsignaldata．Theproposeddatarecoveralgorithm istestedinhtecaseofthebridgestructuralhealht monitoringsystem，andhtesimulation resultsindicatehtealgorithm iscorrectnad efficientintheoryna dpracticewithhteperformnaceindexofrmena square errornadlargesteIror absolutevalue，comparedwithBackPropagation(BP)networkandLeastSquaresSupportVcetorMachine(LS—SVM)． [Keywords]adtalost；Grnagercausaliytrelation；ExtremeLearningMachine(ELM)；datarecovery；structuralhealhtymonitoring DOI：10．3969／j．issn．1000—3428．2011．16．082 1 概述 是 y的格兰杰原因，否则称为非格兰杰原因。它的基本着眼 数据采集是大型结构健康监测系统中非常重要的环节， 点是，2个变量x与y高度相关，并不能说明x与 y之间存 数据采集的可靠与否直接影响对结构安全性能的分析。在实 在一定因果关系，它们之间可能有别的因素存在，使 与 y 际监测数据的采集过程中，不可避免受到风力、腐蚀、设备 之间显示出协同变化趋势，因此，须对相关变量进行因果关 老化等因素的影响，造成传感器故障或者网络传输故障，使 系检