不完全信息下的输电铁塔响应预测方法OA
针对输电铁塔结构参数不确定性及监测信息不完备导致的响应预测难题,提出了一种基于图神经网络(graph neural network,GNN)的深度学习模型,实现了不完全信息条件下的结构力学响应预测。该模型通过融合网络结构优化与随机标签掩盖算法,有效缓解了数据缺失的影响。为适应工程不完全信息场景,设计了双阶段(训练-推理)验证框架:训练阶段通过模拟信息缺失学习数据间内在联系,推理阶段通过知识迁移实现未知响应预测。通过消融实验对比分析不同改进模块对模型性能的影响,并进一步研究了RPTTGN-II(response prediction of transmission towers based on GNN under incomplete information)模型在不同未知响应参数占比下的预测性能,验证该模型的准确性和有效性。研究结果表明,该模型在处理位移预测任务时具有明显优势,未知位移参数占比高达50%时预测精度在90%以上,而在处理轴力预测任务时,尽管模型预测精度有所下降,但在一定的信息缺失情况下,其结果仍可提供有效参考。
郑哲;王璋奇;肖梓霆;郭玉程;江文强;张庆
华北电力大学机械工程系,河北保定071003华北电力大学机械工程系,河北保定071003 河北省电力机械先进制造与智能运维工程研究中心,河北保定071003 河北省电力机械装备健康维护与失效预防重点实验室,河北保定071003华北电力大学机械工程系,河北保定071003华北电力大学机械工程系,河北保定071003华北电力大学机械工程系,河北保定071003 河北省电力机械先进制造与智能运维工程研究中心,河北保定071003 河北省电力机械装备健康维护与失效预防重点实验室,河北保定071003华北电力大学机械工程系,河北保定071003 河北省电力机械先进制造与智能运维工程研究中心,河北保定071003 河北省电力机械装备健康维护与失效预防重点实验室,河北保定071003
信息技术与安全科学
图神经网络不完全信息输电铁塔响应预测深度学习
《电测与仪表》 2026 (7)
P.188-200,13
河北省自然科学基金资助项目(E2024502007)河北省“三三三人才工程”资助项目(C20231056)。
评论