[发明专利]基于稀疏极限学习机和假设检验的铁路轨道状态评估方法

权利要求书

1.一种基于稀疏贝叶斯极限学习机回归和贝叶斯假设检验的铁路轨道结构状态评估方法，其特征在于，具体包括以下步骤：

步骤一、根据轨道结构正常运营状态下传感器监测、采集到的结构温度场数据和结构响应数据训练稀疏贝叶斯极限学习机模型，其中结构温度场数据为输入，结构响应数据为输出；将后续监测状态下的结构温度场数据输入到训练好的稀疏贝叶斯极限学习机模型中，获得结构响应的预测均值和协方差；

步骤二、定义原假设为后续监测状态下结构响应均值的监测值相比于预测值未发生显著变化，备择假设为后续监测状态下结构响应均值的监测值相比于预测值发生了显著变化；通过贝叶斯假设检验方法，结合结构响应的协方差预测值计算贝叶斯指标，判断接受或拒绝原假设，进而实现铁路轨道结构服役状态的鲁棒评估；

所述步骤一具体为：

步骤1.1、采用随机特征映射方式，基于铁路轨道结构温度场监测数据构造设计矩阵：

Φ＝[φ(x₁)，φ(x₂)，...，φ(x_N)]^T

其中，x₁，...，x_N为N个铁路轨道结构温度场监测数据；基函数φ(x_n)由下式计算：

φ(x_n)＝[g(x_n·η₁+b₁)，...，g(x_n·η_P+b_P)]^T，n＝1，...，N

这里取即sigmoid函数；参数[η₁，...，η_P]_N×P和[b₁，...，b_P]_1×P随机地从标准正态分布中生成，其中P为隐含层神经元数；

步骤1.2、采用稀疏贝叶斯学习求解设计矩阵Φ与铁路轨道结构响应数据t构成的线性问题Φw＝t，计算连接隐含层和输出层的权值向量w的后验分布：

其中μ和∑分别为后验均值和协方差：

μ＝σ^-2∑Φ^Tt

∑＝(σ^-2Φ^TΦ+A)^-1

A＝diag(α)

α和σ²为超参数，分别初始化为：

σ²＝[0.1×std(t)]²，std(t)为铁路轨道结构响应数据向量t的标准差；

步骤1.3、估计超参数α和σ²：

步骤1.4、通过步骤1.2迭代计算{μ，∑}，并通过步骤1.3迭代计算{α，σ²}，直到满足收敛条件。