期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于卷积神经网络的新奇检测技术在结构损伤识别中的应用 被引量:1
1
作者 周泽文 钟紫婷 +1 位作者 翟慕赛 常军 《科学技术与工程》 北大核心 2024年第21期9069-9076,共8页
针对新奇检测难以同时识别结构损伤时刻和损伤位置的问题,提出在新奇检测中引入卷积神经网络以实现损伤时刻和损伤位置的一次性确定。首先,采用小波包技术处理结构响应得到小波包能量,并将相邻测点对应频带的能量比作为新奇检测模型的... 针对新奇检测难以同时识别结构损伤时刻和损伤位置的问题,提出在新奇检测中引入卷积神经网络以实现损伤时刻和损伤位置的一次性确定。首先,采用小波包技术处理结构响应得到小波包能量,并将相邻测点对应频带的能量比作为新奇检测模型的特征向量;然后,以结构健康时的特征向量作为训练数据,建立健康模式下的基于卷积神经网络的新奇检测模型;接着,将结构实时输出的特征向量输入新奇检测模型,所得输出与健康状态的输出进行对比,并将输出和输入的欧氏距离作为新奇指标;最后,根据新奇指标的变化识别结构损伤时刻和损伤位置。数值模拟和实验室试验验证了该方法的有效性。 展开更多
关键词 新奇检测 卷积神经网络 小波包能量 环境激励 损伤识别
在线阅读 下载PDF
基于改进GRU的桥梁监测系统通道缺失数据恢复
2
作者 常军 钟紫婷 刘晨光 《重庆交通大学学报(自然科学版)》 2025年第9期10-18,共9页
桥梁健康监测系统中,因传感器故障和外界环境干扰导致的数据丢失严重影响监测系统的可靠性。目前数据恢复方法集中于恢复通道部分缺失数据的问题,而对恢复整个通道缺失数据问题关注较少。为此,对GRU神经网络进行改进,用于恢复整个通道... 桥梁健康监测系统中,因传感器故障和外界环境干扰导致的数据丢失严重影响监测系统的可靠性。目前数据恢复方法集中于恢复通道部分缺失数据的问题,而对恢复整个通道缺失数据问题关注较少。为此,对GRU神经网络进行改进,用于恢复整个通道缺失数据,提高数据恢复精度。首先,构建改进的GRU模型,其以降噪自编码模型为基础构架,利用门控循环神经网络代替全连接层,学习不同数据间的时空相关性,同时加入注意力机制和掩码机制,加强对缺失位置的关注程度,提高数据恢复的准确性。其次,构造数据训练模型,人为构造每个通道连续缺失数据作为模型输入,相应完整数据作为输出,提高模型对缺失位置机制的学习能力。最后,恢复整个通道缺失数据,用评价指标评价数据恢复效果,并进行模态分析。通过数值模拟和实桥监测数据验证了方法的准确性,实桥中的应用结果表明:与已有模型相比,该方法数据恢复精度提高,平均绝对误差降低了21.8%,均方根误差降低了42.7%,模型拟合能力提高了9.1%。 展开更多
关键词 桥梁工程 桥梁健康监测 通道缺失数据 门控循环神经网络 降噪自编码模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部