【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于大型結(jié)構(gòu)系統(tǒng)模態(tài)振型分析及降維領(lǐng)域，尤其涉及一種基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法。
技術(shù)介紹
1、大型浮筏系統(tǒng)是一種在工程領(lǐng)域有著廣泛應(yīng)用的重要技術(shù)系統(tǒng)，其設(shè)計和應(yīng)用旨在提高海洋工程設(shè)施的穩(wěn)定性和安全性。大型浮筏系統(tǒng)通常由浮筏、支撐結(jié)構(gòu)、隔振裝置以及控制系統(tǒng)等部分組成。隨著浮筏系統(tǒng)結(jié)構(gòu)規(guī)模的增大和復(fù)雜性的提高，以及更準(zhǔn)確描述系統(tǒng)的振動特性的需求。在實際工程中，浮筏系統(tǒng)的振動特性可能受到多種不確定性因素的影響，如材料參數(shù)的變化、環(huán)境加載的不確定性等，這些因素導(dǎo)致了振動特性的不確定性，傳統(tǒng)方法難以有效處理這些不確定性。模態(tài)振型統(tǒng)計分析的結(jié)構(gòu)系統(tǒng)降維方法備受關(guān)注，該方法可以在考慮這些不確定性因素的情況下，更全面地描述結(jié)構(gòu)系統(tǒng)的動態(tài)響應(yīng)特性。通過對系統(tǒng)結(jié)構(gòu)的振動模態(tài)進行統(tǒng)計分析和降維處理，可以將高維度的振動數(shù)據(jù)轉(zhuǎn)化為更簡潔、更易于理解的形式，從而降低計算復(fù)雜性、提高計算效率，并在考慮不確定性因素時提供更全面的描述。
2、基于模態(tài)振型統(tǒng)計分析的結(jié)構(gòu)系統(tǒng)降維方法為大型浮筏系統(tǒng)結(jié)構(gòu)的監(jiān)測、診斷和預(yù)測提供了新的途徑。通過降低數(shù)據(jù)的維度，分析人員可以快速準(zhǔn)確地識別浮筏系統(tǒng)的異常振動模式，從而實現(xiàn)對浮筏結(jié)構(gòu)健康狀況的有效監(jiān)測與評估。因此，亟需提出一種基于模態(tài)振型統(tǒng)計分析及系統(tǒng)降維方法的新思路和新方法，以應(yīng)對大型浮筏系統(tǒng)結(jié)構(gòu)動態(tài)響應(yīng)分析中的挑戰(zhàn)，為結(jié)構(gòu)工程領(lǐng)域的發(fā)展和實踐提供新的理論和方法支撐。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的是在于針對大型浮筏結(jié)構(gòu)系統(tǒng)高維
2、為實現(xiàn)上述目的，本專利技術(shù)提供了一種基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，包括：
3、提取大型浮筏結(jié)構(gòu)系統(tǒng)的模態(tài)振型數(shù)據(jù)，并對所述模態(tài)振型數(shù)據(jù)進行對數(shù)歸一化處理，獲得歸一化后的節(jié)點振型向量；
4、通過kmeans聚類對所述歸一化后的節(jié)點振型向量進行聚類分析，聚類后取同一類最靠近中心的節(jié)點近似表示該類中其他節(jié)點，對歸一化后的數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換，獲得聚類中心；
5、基于所述聚類中心代替各簇聚類中的其他節(jié)點，利用降維技術(shù)對每個聚類簇進行維度約簡，提取獲得所述聚類簇的主要特征，并確定降維簡化后的節(jié)點；
6、利用所述降維簡化后的節(jié)點通過回歸方法近似估計任意節(jié)點的振動響應(yīng)，通過振動響應(yīng)分析真實信號與仿真信號，對比降維前后的誤差水平，驗證方法的有效性和可行性。
7、優(yōu)選地，對所述模態(tài)振型數(shù)據(jù)進行對數(shù)歸一化處理的過程包括：
8、對所述模態(tài)振型數(shù)據(jù)的數(shù)據(jù)向量進行第一項為正的歸一化處理，過濾異常點，公式表達式為：
9、
10、其中，為歸一化前系統(tǒng)的模態(tài)陣型節(jié)點數(shù)據(jù)，為的第一個分量，為歸一化后的模態(tài)陣型節(jié)點數(shù)據(jù)。
11、優(yōu)選地，對所述模態(tài)振型數(shù)據(jù)進行對數(shù)歸一化處理的過程還包括：
12、通過一階差分計算相鄰數(shù)據(jù)點之間的變化量，從而捕捉序列的趨勢和變化速度；
13、通過二階差分計算一階差分序列的變化速度，從而獲取所述一階差分序列的加速度和變化程度；
14、其中，所述一階差分的公式表達式為：
15、
16、所述二階差分的公式表達式為：
17、
18、其中，表示序列中的第個數(shù)據(jù)點，則表示相鄰數(shù)據(jù)點之間的差分，則表示相鄰一階差分?jǐn)?shù)據(jù)點之間的差分。
19、優(yōu)選地，通過kmeans聚類對所述歸一化后的節(jié)點振型向量進行聚類分析的過程包括：
20、使用歐氏距離來度量所述節(jié)點振型向量之間的相似性，應(yīng)用無監(jiān)督學(xué)習(xí)的聚類算法kmeans對所述節(jié)點振型向量進行分組，將相似的節(jié)點聚合到同一類中；
21、計算每個數(shù)據(jù)點與每個質(zhì)心的距離，并將數(shù)據(jù)點分配到最近的質(zhì)心所屬的簇，對每個簇，重新計算質(zhì)心作為該簇中所有數(shù)據(jù)點的均值；
22、檢查中心是否發(fā)生變化或者達到最大迭代次數(shù)，如果中心沒有變化或者達到預(yù)設(shè)的最大迭代次數(shù)，算法結(jié)束；否則重新分配數(shù)據(jù)點到最近的質(zhì)心。
23、優(yōu)選地，計算每個數(shù)據(jù)點與每個質(zhì)心的距離，并將數(shù)據(jù)點分配到最近的質(zhì)心所屬的簇的公式表達式為：
24、
25、其中，表示歐氏距離；
26、
27、其中，分別是數(shù)據(jù)點和質(zhì)心的第m個分量。
28、優(yōu)選地，對每個簇，重新計算質(zhì)心作為該簇中所有數(shù)據(jù)點的均值的公式表達式為：
29、。
30、優(yōu)選地，對歸一化后的數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換，獲得聚類中心的過程包括：
31、分別對對數(shù)歸一化后的振型一階差分?jǐn)?shù)據(jù)和二階差分?jǐn)?shù)據(jù)取對數(shù)，獲得總距離一階差分折線圖和總距離二階差分折線圖，取折線圖中二階差分第一次為零的點，得到最佳聚類數(shù)；
32、使用kmeans聚類算法將歸一化后的數(shù)據(jù)分為個簇，并將每個點按聚類結(jié)果分組，對于某一個聚類設(shè)有個點，歸一化后對應(yīng)個點，其中：
33、
34、設(shè)中的聚類中心為，歸一化后的聚類中心為，則：
35、
36、使用歸一化后聚類中心近似該類中的，結(jié)合上述兩式得到的近似表達式為：
37、
38、則聚類中心為：
39、。
40、優(yōu)選地，利用所述降維簡化后的節(jié)點通過回歸方法近似估計任意節(jié)點的振動響應(yīng)的過程包括：
41、假設(shè)聚類前共有個階模態(tài)振型數(shù)據(jù)，聚類類后，得到個聚類中心節(jié)點及其相應(yīng)的模態(tài)振型數(shù)據(jù)?；
42、利用聚類類后個聚類中心節(jié)點的模態(tài)振型數(shù)據(jù)對任意節(jié)點?進行回歸分析和近似估計；
43、基于回歸理論模型對已知模態(tài)數(shù)據(jù)和采用最小二乘法估計回歸模型參數(shù)；
44、通過所述回歸模型參數(shù)，使用個聚類中心節(jié)點的模態(tài)振型數(shù)據(jù)對節(jié)點?的模態(tài)振型數(shù)據(jù)估計。
45、優(yōu)選地，利用聚類類后個聚類中心節(jié)點的模態(tài)振型數(shù)據(jù)對任意節(jié)點?進行回歸分析和近似估計的公式表達式為：
46、
47、用矩陣表示為：
48、
49、其中，
50、
51、基于回歸理論模型對已知模態(tài)數(shù)據(jù)和采用最小二乘法估計回歸模型參數(shù)的公式表達式為：
52、
53、對節(jié)點的模態(tài)振型數(shù)據(jù)估計為：
54、。
55、優(yōu)選地，通過振動響應(yīng)分析真實信號與仿真信號，對比降維前后的誤差水平，驗證方法的有效性和可行性的過程包括：
56、若模型各階頻率為，則所述模型的信號滿足：
57、
58、其中為的模態(tài)振型數(shù)據(jù)，模態(tài)坐標(biāo)向量表示在不同模態(tài)下系統(tǒng)的響應(yīng)幅度，是隨時間變化的函數(shù)；
59、由
60、
61、式中：
62、
63、則每個模態(tài)坐標(biāo)滿足如本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，對所述模態(tài)振型數(shù)據(jù)進行對數(shù)歸一化處理的過程包括：
3.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，
4.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，通過KMEANS聚類對所述歸一化后的節(jié)點振型向量進行聚類分析的過程包括：
5.根據(jù)權(quán)利要求4所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，計算每個數(shù)據(jù)點與每個質(zhì)心的距離，并將數(shù)據(jù)點分配到最近的質(zhì)心所屬的簇的公式表達式為：
6.根據(jù)權(quán)利要求4所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，對每個簇，重新計算質(zhì)心作為該簇中所有數(shù)據(jù)點的均值的公式表達式為：
7.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，對歸一化后的數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換，獲得聚類
8.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，利用所述降維簡化后的節(jié)點通過回歸方法近似估計任意節(jié)點的振動響應(yīng)的過程包括：
9.根據(jù)權(quán)利要求8所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，利用聚類類后個聚類中心節(jié)點的模態(tài)振型數(shù)據(jù)對任意節(jié)點?進行回歸分析和近似估計的公式表達式為：
10.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，通過振動響應(yīng)分析真實信號與仿真信號，對比降維前后的誤差水平，驗證方法的有效性和可行性的過程包括：
...【技術(shù)特征摘要】
1.一種基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，對所述模態(tài)振型數(shù)據(jù)進行對數(shù)歸一化處理的過程包括：
3.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，
4.根據(jù)權(quán)利要求1所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，通過kmeans聚類對所述歸一化后的節(jié)點振型向量進行聚類分析的過程包括：
5.根據(jù)權(quán)利要求4所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，計算每個數(shù)據(jù)點與每個質(zhì)心的距離，并將數(shù)據(jù)點分配到最近的質(zhì)心所屬的簇的公式表達式為：
6.根據(jù)權(quán)利要求4所述的基于模態(tài)振型數(shù)據(jù)聚類與回歸的結(jié)構(gòu)動力學(xué)模型降階方法，其特征在于，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張碩，劉祿，張曉萌，周雨康，韓軒，王衡，熊夫睿，劉帥，
申請(專利權(quán))人：西北工業(yè)大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。