一种基于分数阶神经网络的阻尼器监测异常识别方法

本发明涉及阻尼器监测与异常识别技术领域，公开一种基于分数阶神经网络的阻尼器监测异常识别方法，包括：采用分布式传感器网络对阻尼器运行状态进行实时监测并存储，得到原始数据集，并采用基于小波变换的自适应滤波算法进行滤波处理，之后联合短时傅里叶变换与希尔伯特变换提取特征信息，进行非线性量化与离散化映射；对离散的监测数据进行标注，得到训练样本，对分数阶神经网络模型进行训练，训练过程中采用多种优化策略对模型进行分阶段优化；利用训练好的模型对待识别监测数据进行异常数据识别。本发明结合小波变换、短时傅里叶变换和希尔伯特变换准确提取信号特征，结合多种优化策略对模型进行分阶段优化，提高异常检测的准确性。