期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到492篇文章
< 1 2 … 25 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于广义柔度矩阵和信息熵的梁结构损伤识别方法研究
1
作者 项长生 赵冉 +2 位作者 周宇 王立宪 刘海龙 《兰州理工大学学报》 北大核心 2025年第2期126-134,共9页
基于柔度矩阵的梁结构损伤识别方法是较频率、模态更为敏感的损伤动力指纹.鉴于广义柔度矩阵在结构损伤识别中的敏感性优势并结合信息熵理论提出了广义柔度熵曲率差指标(GFMECD)作为结构损伤识别的新方法.通过建立简支梁、连续梁有限元... 基于柔度矩阵的梁结构损伤识别方法是较频率、模态更为敏感的损伤动力指纹.鉴于广义柔度矩阵在结构损伤识别中的敏感性优势并结合信息熵理论提出了广义柔度熵曲率差指标(GFMECD)作为结构损伤识别的新方法.通过建立简支梁、连续梁有限元数值模型对所提指标的可行性及有效性进行验证,结果表明:无论是单点损伤、多点损伤,广义柔度熵曲率差指标均能够准确地识别出结构损伤的位置且具有良好的抗噪性,并能初步判定结构的损伤程度,能够胜任不同结构发生不同损伤程度损伤时的损伤定位与初步定量任务. 展开更多
关键词 梁结构 广义柔度矩阵 信息熵 损伤识别 损伤评估曲线
在线阅读 下载PDF
基于结构多维特征构建图卷积神经网络的结构损伤识别方法
2
作者 杨建辉 赵清瑄 蒲脯林 《湖南大学学报(自然科学版)》 北大核心 2025年第8期158-171,共14页
以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征... 以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征,从图的视角挖掘节点间的复杂属性关系,为SDI提供多维度学习信息.为此,设计了一种融合结构多维特征的图卷积神经网络模型(graph convolutional neural network integrating multi-dimensional features of structure,S-GCN),基于结构振动数据构造损伤特征矩阵,并通过衍生图网络,以图的节点和边表征结构节点的连接关系,构建边索引矩阵,将结构损伤状态、振动数据及节点属性等多维特征信息输入GCN进行结构损伤特征提取及预测识别,探索结构多维特征信息驱动下的GCN在损伤预测中的应用效果.通过两个钢结构验证方法的可行性及有效性,结果表明,S-GCN能够整合结构多维特征信息,对两个结构对象均实现了较高的损伤预测准确性,并展现出良好的噪声鲁棒性.进一步的对比分析显示,相较于三种非GCN模型,S-GCN能够高效地依托节点间关系快速更新节点特征并预测节点损伤状态,其损伤识别准确率、计算效率及网络各层演进过程均优于对比模型,验证了在结构损伤识别中融合结构空间特征的有效性. 展开更多
关键词 结构损伤识别 图卷积神经网络 结构多维特征融合 噪声鲁棒性 训练效率
在线阅读 下载PDF
基于深度子领域适应卷积神经网络的结构损伤识别
3
作者 张健飞 曹雨 《振动与冲击》 北大核心 2025年第3期251-260,共10页
针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结... 针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结构为目标域,以有限元模型为源域,根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块,构建DSACNN模型,通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异,对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射,从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签,采用预训练全局领域适应提高其伪标签的准确率。试验结果表明:与全局领域适应模型相比,基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%,在实测目标域上提高了9.6%,具有更强的泛化能力。 展开更多
关键词 结构损伤识别 子领域适应 局部最大均值差异 卷积神经网络(CNN)
在线阅读 下载PDF
基于DenseNet121和迁移学习的拱结构损伤识别
4
作者 李杰 唐启智 +2 位作者 辛景舟 刘增武 马闻达 《江苏大学学报(自然科学版)》 北大核心 2025年第3期352-358,共7页
针对传统拱结构损伤识别方法存在提取特征适应性差、识别能力弱的问题,提出一种基于DenseNet121和迁移学习的拱结构损伤识别方法.首先,利用连续小波变换,将拱结构的加速度响应转换成时频图,并以此划分训练集、验证集和测试集样本;其次,... 针对传统拱结构损伤识别方法存在提取特征适应性差、识别能力弱的问题,提出一种基于DenseNet121和迁移学习的拱结构损伤识别方法.首先,利用连续小波变换,将拱结构的加速度响应转换成时频图,并以此划分训练集、验证集和测试集样本;其次,基于迁移学习策略,利用DenseNet121模型对训练集进行特征学习,通过模型优化使其性能达到最优,并作为损伤识别的模型;然后,将测试集送入训练好的最优模型中进行损伤识别;最后,通过钢管混凝土拱结构试验来验证方法的有效性.结果表明:该方法在训练过程中具有良好的稳定性,能够对拱结构损伤程度进行精确识别,识别准确率达到93.33%;与ResNet50、VGG16、AlexNet相比,该方法识别准确率分别提升了2.94%、5.53%、10.53%;采用准确率、精确率、训练损失值、召回率和F_(1)值5个评价指标定量评估模型性能,该方法具有更好的综合识别效果. 展开更多
关键词 拱结构 拱桥 损伤识别 DenseNet121 迁移学习
在线阅读 下载PDF
基于非参数贝叶斯方法的结构损伤识别研究
5
作者 王其昂 王浩博 +6 位作者 周明利 孙发源 倪一清 吴子燕 丁安驰 李健朋 李文磊 《振动工程学报》 北大核心 2025年第2期260-267,共8页
聚类分析是数据处理中常用的无监督方法,而聚类分析参数较难精准确定,限制了该方法在结构损伤识别中的应用。为解决该问题,本文提出了一种非参数贝叶斯聚类方法,结合结构模态参数开展结构损伤识别和定量分析,拓展了非参数贝叶斯模型的... 聚类分析是数据处理中常用的无监督方法,而聚类分析参数较难精准确定,限制了该方法在结构损伤识别中的应用。为解决该问题,本文提出了一种非参数贝叶斯聚类方法,结合结构模态参数开展结构损伤识别和定量分析,拓展了非参数贝叶斯模型的应用范围。所提方法采用自然激励技术处理结构实测振动数据以得到固有频率,通过非参数贝叶斯聚类方法对数据进行聚类,最终结合极大似然异方差高斯过程和贝叶斯因子对聚类结果进行损伤定量分析。通过天津永和桥实际工程案例对所提损伤识别方法的结果进行验证,结果表明,该方法能够在不提前设置聚类参数的情况下,对结构自振频率数据进行精准聚类分析,进一步对结构不同损伤状态进行识别。 展开更多
关键词 结构健康监测 损伤识别 非参数贝叶斯 贝叶斯因子 模态参数
在线阅读 下载PDF
不平衡数据集下导管架平台结构损伤识别研究
6
作者 王维刚 田丰 路敬祎 《振动.测试与诊断》 北大核心 2025年第3期527-534,623,共9页
针对导管架平台结构损伤识别中数据不平衡问题,提出了一种基于一维条件生成对抗网络(one-dimensional conditional generative adversarial network,简称1D-CGAN)与长短时记忆(long short-term memory,简称LSTM)网络结合的导管架平台结... 针对导管架平台结构损伤识别中数据不平衡问题,提出了一种基于一维条件生成对抗网络(one-dimensional conditional generative adversarial network,简称1D-CGAN)与长短时记忆(long short-term memory,简称LSTM)网络结合的导管架平台结构损伤识别方法。该方法将采集的一维损伤数据直接输入条件生成对抗网络(conditional generative adversarial network,简称CGAN),通过在判别器和生成器中添加标签信息构建1D-CGAN,利用标签信息控制其生成特定的新损伤样本,从而与完好状态样本组成平衡样本集。在此基础上,将划分的训练集输入到LSTM进行模型训练和损伤识别。实验结果表明:随着不平衡程度降低,所提出方法的识别准确率不断提高,当数据集达到平衡时,识别准确率能够达到92.5%;与其他方法相比,所提出方法的识别准确率和精确率均有明显的提高。该方法提高了模型的分类性能,为不平衡数据下海洋结构损伤识别提供了一种新思路。 展开更多
关键词 导管架平台 一维条件生成对抗网络 长短时记忆网络 不平衡问题 结构损伤识别
在线阅读 下载PDF
基于VMD-CAE的无监督结构损伤识别研究
7
作者 王梦倩 康帅 +1 位作者 李传飞 董正方 《振动与冲击》 北大核心 2025年第11期309-320,共12页
为了进一步扩展深度学习方法在基于振动信号的结构损伤识别中的应用,提出了一种基于变分模态分解(variational mode decomposition,VMD)和卷积自编码(convolutional auto-encoder,CAE)相结合的无监督结构损伤识别方法。首先,利用VMD对... 为了进一步扩展深度学习方法在基于振动信号的结构损伤识别中的应用,提出了一种基于变分模态分解(variational mode decomposition,VMD)和卷积自编码(convolutional auto-encoder,CAE)相结合的无监督结构损伤识别方法。首先,利用VMD对振动信号进行分解,去除噪声和一些无关成分的影响,选取与结构自振特性相关的成分作为有效分量;然后通过叠加有效分量作为CAE模型的输入,进而重构信号,通过学习健康样本数据的特征,得到最大重构误差作为判断结构是否损坏的阈值。最后将该方法应用到IASC-ASCE SHM Benchmark结构试验数据和卡塔尔大学看台试验数据,并将结果与其他模型进行了对比,结果表明该方法在两个数据集上的识别结果都更加准确。即使当样本中含有噪声时,也能显著提高噪声样本的识别精度,具有较强的抗噪能力。 展开更多
关键词 深度学习 结构损伤识别 无监督 变分模态分解(VMD) 卷积自编码(CAE)
在线阅读 下载PDF
基于K-means聚类粒子群算法的海洋结构迭代型损伤识别方法
8
作者 周旭涛 赵海旭 +2 位作者 蒋玉峰 王树青 刘雨 《中国海洋大学学报(自然科学版)》 北大核心 2025年第4期134-147,共14页
为了解决传统智能优化算法在结构损伤识别中易陷入局部最优解,导致损伤识别时误判单元较多且识别精度较差的问题,本文提出了一种迭代型结构损伤识别方法。该方法创新性地引入了基于K-means聚类的新型粒子群算法,以加快算法收敛和避免陷... 为了解决传统智能优化算法在结构损伤识别中易陷入局部最优解,导致损伤识别时误判单元较多且识别精度较差的问题,本文提出了一种迭代型结构损伤识别方法。该方法创新性地引入了基于K-means聚类的新型粒子群算法,以加快算法收敛和避免陷入局部最优解,同时,采用迭代思想对传统损伤识别方法进行改进,将损伤识别结果进行迭代更新,以获得准确的损伤位置及损伤程度。以某三腿海上风机结构为例:首先,探讨了非迭代型方法在无噪声和有噪声污染时的结构损伤识别效果;其次,分析所提出的迭代型方法在无噪声和有噪声污染两种情况下的结构损伤识别效果;然后,探究了所提出方法的收敛性及稳定性;最后,采用物理模型试验对提出的方法进行了验证。结果表明,提出的迭代型聚类粒子群算法相比传统结构损伤识别方法可获得更准确的损伤位置及损伤程度,并展现出良好的噪声鲁棒性,且算法迭代次数少,识别效果稳定。 展开更多
关键词 K-means聚类粒子群算法 损伤识别 海上风机结构 迭代型方法
在线阅读 下载PDF
基于VMD和FCM聚类算法的海上风机支撑结构损伤识别方法
9
作者 任义建 刁延松 +1 位作者 吕建达 侯敬儒 《振动与冲击》 北大核心 2025年第8期184-191,286,共9页
利用响应和有监督学习算法对运行状态下海上风机支撑结构进行损伤识别时,会遇到响应中能量占比很高的谐波成分影响和有监督学习算法需人工定义标签等问题。为此,利用变分模态分解(variational modal decomposition,VMD)和模糊C均值(fuzz... 利用响应和有监督学习算法对运行状态下海上风机支撑结构进行损伤识别时,会遇到响应中能量占比很高的谐波成分影响和有监督学习算法需人工定义标签等问题。为此,利用变分模态分解(variational modal decomposition,VMD)和模糊C均值(fuzzy C-means,FCM)聚类算法进行海上风机支撑结构损伤识别。为剔除响应中的谐波成分,首先利用VMD对加速度响应进行分解,选取结构模态响应(仅含有结构自振频率)作为分析信号。然后计算模态响应的时域、能量和能量比值及样本熵特征构造特征矩阵,利用主成分分析对特征矩阵进行降维,得到损伤特征矩阵。将损伤特征矩阵输入FCM聚类算法,通过聚类分析得到结构的损伤状态。位移激励下海上风机支撑结构损伤识别模型试验数据验证了该方法的有效性。该方法属于无监督学习算法,无需标注标签且不受谐波成分的影响。 展开更多
关键词 海上风机支撑结构 损伤识别 变分模态分解(VMD) 模糊C均值(FCM)聚类算法 无监督学习算法
在线阅读 下载PDF
基于性能档案库规则杆系结构损伤识别方法研究
10
作者 付伟庆 谭凯旋 +1 位作者 张光槟 李春林 《振动与冲击》 北大核心 2025年第11期295-308,共14页
杆系结构具有构件数量大形式多样,损伤位置隐蔽巡查困难,损伤积累时间长和破坏突然等特点。常规识别方法存在识别精度低、无法评价损伤安全影响和预测损伤结构寿命等问题。提出一种通过建立性能档案库对规则杆系结构损伤状况进行识别的... 杆系结构具有构件数量大形式多样,损伤位置隐蔽巡查困难,损伤积累时间长和破坏突然等特点。常规识别方法存在识别精度低、无法评价损伤安全影响和预测损伤结构寿命等问题。提出一种通过建立性能档案库对规则杆系结构损伤状况进行识别的方法。建立档案库研究包括曲率模态变化率识别指标提出,分区域两步识别损伤样本库构建和密集连接型识别网络搭建三部分内容。通过三层框架结构验证了所提出损伤指标的准确性。通过对一桁架桥结构建立性能档案库后进行的不同组损伤构件测试试验表明,利用档案库进行的信息匹配可较为准确地对杆件损伤位置进行识别,损伤程度识别误差在5%以内。研究提出性能档案库损伤识别方法,还可用于结构损伤影响评估和寿命预测等多个方面。 展开更多
关键词 杆系结构 损伤识别 识别方法 损伤档案库
在线阅读 下载PDF
基于模态置信的超高层建筑钢架结构损伤识别方法
11
作者 韦丽娴 蒙萱 《兵器材料科学与工程》 北大核心 2025年第3期81-85,共5页
本文选取超高层建筑中的典型结构单元,设计了一个3跨2层的钢架结构模型,建立了包含单损伤和多损伤工况在内的6种损伤工况。基于该钢架结构的自由振动微分方程及其模态叠加解,提出了一种基于模态置信准则(COMAC)的损伤识别方法,并将其应... 本文选取超高层建筑中的典型结构单元,设计了一个3跨2层的钢架结构模型,建立了包含单损伤和多损伤工况在内的6种损伤工况。基于该钢架结构的自由振动微分方程及其模态叠加解,提出了一种基于模态置信准则(COMAC)的损伤识别方法,并将其应用于超高层建筑钢架结构的损伤识别研究。结果表明:1)在工况1的单损伤状态下,随着模态阶数的增加,未损伤单元的COMAC值保持稳定,而损伤单元的COMAC值呈递减趋势。其中,单元8在2阶模态时CO‐MAC值出现下降,至5阶模态时下降趋势更显著,表明该方法能有效识别单损伤位置。2)在多损伤工况下,未损伤单元的COMAC值始终为1.0;对于损伤程度分别为40%的单元2和50%的单元12,其COMAC值随模态阶数增加而递减,且在2~5阶模态下显著低于未损伤单元。损伤程度较大的单元12表现出更明显的COMAC值降幅,验证了该方法对多损伤工况的识别能力。3)在工况2、3中,所提方法在单损伤工况下表现出较高的识别准确性和稳定性,能准确判定损伤单元位置及其损伤程度。4)在工况5、6中,与传统的模态置信准则(MAC)方法相比,所提方法在多损伤工况下的识别性能更优,其损伤识别结果与实际情况吻合度较高,充分证明了该方法在钢架结构损伤识别中的有效性。 展开更多
关键词 模态置信 超高层建筑 钢架结构 损伤识别 模态振型 损伤程度
在线阅读 下载PDF
基于挠度影响线和HPO算法的桥梁结构损伤识别
12
作者 马娴 孙畅 +3 位作者 顾箭峰 昝建航 杨雨厚 吴志鸿 《广西大学学报(自然科学版)》 北大核心 2025年第3期516-528,共13页
为了提高桥梁结构损伤识别的精度和效率,通过结合挠度影响线和猎食者优化(HPO)算法,提出了一种新的两阶段损伤识别方法。利用结构挠度影响线二阶导差值定位损伤后,基于挠度相关度系数构建目标函数,采用HPO算法量化结构损伤。通过简支梁... 为了提高桥梁结构损伤识别的精度和效率,通过结合挠度影响线和猎食者优化(HPO)算法,提出了一种新的两阶段损伤识别方法。利用结构挠度影响线二阶导差值定位损伤后,基于挠度相关度系数构建目标函数,采用HPO算法量化结构损伤。通过简支梁数值模型和一座三跨连续刚构桥验证其有效性和鲁棒性,并与基于HPO算法的损伤识别方法进行对比。结果表明,基于挠度影响线和HPO算法的桥梁结构损伤识别方法能准确定位和量化单点和多点损伤,同时具有良好的抗噪能力;与基于HPO算法的方法相比能够更精确地量化结构损伤,显著减少了算法搜索维度,损伤识别效率提高超40%。 展开更多
关键词 桥梁结构健康监测 损伤识别 挠度影响线 猎食者优化算法
在线阅读 下载PDF
基于截断总体最小二乘法与L_(1)正则化的结构损伤识别
13
作者 骆紫薇 蔡楚欣 +1 位作者 赖小李 刘焕林 《振动与冲击》 北大核心 2025年第15期217-223,共7页
模态参数因其易于获取且对结构损伤敏感等特点常被用于结构损伤识别。基于模态参数和有限元模型的损伤识别方法能有效定位和量化结构损伤,但在测量噪声和模型误差等因素的共同影响下,识别结果可能与实际情况存在较大偏差,难以准确评估... 模态参数因其易于获取且对结构损伤敏感等特点常被用于结构损伤识别。基于模态参数和有限元模型的损伤识别方法能有效定位和量化结构损伤,但在测量噪声和模型误差等因素的共同影响下,识别结果可能与实际情况存在较大偏差,难以准确评估结构的安全状态。针对此问题,基于截断总体最小二乘法与L_(1)正则化技术,提出了一种新的结构损伤识别方法。该方法首先分析了既有灵敏度方程中误差的来源;然后,通过截断总体最小二乘法构造了损伤折减系数改变量与模态参数改变量之间新的近似关系式;最后,结合结构损伤的稀疏性,引入L_(1)正则化对问题进行约束,以改善问题的不适定性并提高识别精度。数值仿真和试验结果表明,所提方法能有效地识别结构的多种损伤工况,且误判较少,具有较高的识别精度和较强的鲁棒性。 展开更多
关键词 结构损伤识别 一阶灵敏度分析 L_(1)正则化 截断总体最小二乘法
在线阅读 下载PDF
基于数字孪生和深度学习的结构损伤识别 被引量：6
14
作者 唐和生 王泽宇 陈嘉缘 《土木与环境工程学报（中英文）》 CSCD 北大核心 2024年第1期110-121,共12页
土木工程实际结构损伤状态的时间跨度通常只占总生命周期的一小部分。为解决传统基于数据驱动的结构损伤识别方法缺乏足够多的损伤训练数据的问题,提出结合数字孪生和深度学习的结构损伤识别方法,并应用于实际工程。该方法利用数值仿真... 土木工程实际结构损伤状态的时间跨度通常只占总生命周期的一小部分。为解决传统基于数据驱动的结构损伤识别方法缺乏足够多的损伤训练数据的问题,提出结合数字孪生和深度学习的结构损伤识别方法,并应用于实际工程。该方法利用数值仿真模型和在线监测数据构建结构的数字孪生,以获得不同损伤工况下结构动力响应的“大数据”;为了摆脱对外激励信息的依赖,应用经验模态分解法和传递率函数对得到的数据进行预处理;将预处理后的固有模态传递率函数数据作为深度学习的输入进行训练,实现结构的损伤识别。为验证方法的有效性,对实际结构未经训练的监测数据进行分析,结果表明,该方法泛化能力良好,能够有效识别结构损伤状况。通过数字孪生技术解决了传统方法数据匮乏的问题,不需要任何地震信息,利用固有模态传递率函数数据训练的深度神经网络仍能保持较高的损伤识别准确率,二者结合可以使工程结构健康监测更为主动、可靠、高效。 展开更多
关键词 数字孪生 深度学习 固有模态传递率函数 损伤识别 结构健康监测
在线阅读 下载PDF
地震与风作用下钢框架-自复位支撑筒结构损伤分析
15
作者 徐龙河 刘媛媛 谢行思 《振动工程学报》 北大核心 2025年第1期126-134,共9页
为揭示地震‐风同时作用和先后作用下自复位支撑结构的损伤分布规律,对一50层钢框架‐自复位支撑筒在不同强度地震动与50年重现期风荷载下的梁/柱构件和结构整体损伤进行分析。结果表明,地震单独作用和地震‐风同时作用下,支撑筒梁均比... 为揭示地震‐风同时作用和先后作用下自复位支撑结构的损伤分布规律,对一50层钢框架‐自复位支撑筒在不同强度地震动与50年重现期风荷载下的梁/柱构件和结构整体损伤进行分析。结果表明,地震单独作用和地震‐风同时作用下,支撑筒梁均比外框架梁先受损,支撑筒柱较外框架柱损伤发展更快;地震‐风同时作用增大了柱的损伤程度,使31层柱的最大损伤值增大了78.6%;随着地震动强度的增大,风荷载作用对结构整体损伤的加重程度逐渐增大。在不同强度的地震动与50年重现期风荷载先后作用下,风荷载增大了震损结构的最大残余变形角均值;当峰值地面加速度为10 m/s^(2)时,风荷载使震损结构的最大残余变形角均值由0.325%增至0.330%,但风荷载对震损结构损伤最大构件的损伤状态影响不大。 展开更多
关键词 损伤识别 地震‐风耦合作用 自复位支撑 高层钢结构 残余变形
在线阅读 下载PDF
基于多标签卷积神经网络的结构损伤识别 被引量：1
16
作者 秦世强 苏晟 杨睿 《建筑科学与工程学报》 CAS 北大核心 2024年第3期108-119,共12页
准确识别结构多位置损伤一直是结构损伤识别的难题。为提升结构多位置损伤识别的准确率,提出一种基于卷积神经网络(CNN)的多标签分类(MLC)方法(CNN-MLC)进行结构损伤识别。该方法将结构多个位置损伤识别转换为多标签分类问题,每个损伤... 准确识别结构多位置损伤一直是结构损伤识别的难题。为提升结构多位置损伤识别的准确率,提出一种基于卷积神经网络(CNN)的多标签分类(MLC)方法(CNN-MLC)进行结构损伤识别。该方法将结构多个位置损伤识别转换为多标签分类问题,每个损伤位置均用一个对应的标签表示;利用CNN强大的特征提取能力,深入挖掘不同损伤工况之间公共损伤位置的相关性,实现结构多位置损伤识别。通过四层框架结构和一座铁路连续梁桥多位置损伤识别验证了CNN-MLC方法的识别准确率,并将其识别结果与基于CNN的多类别分类(MCC)方法(CNN-MCC)和基于示例差异化算法(InsDif)的多标签分类方法(InsDif-MLC)进行了对比。结果表明:框架结构在两位置和三位置损伤工况下,CNN-MLC方法比CNN-MCC方法的识别准确率分别提升2.50%和9.64%,比InsDif-MLC方法识别准确率提升17.50%和29.28%;对于铁路连续梁桥的两位置损伤和三位置损伤,CNN-MLC方法比CNN-MCC方法识别准确率提升1.63%和6.85%,比InsDif-MLC方法识别准确率提升4.18%和18.49%;随着损伤位置数量的增加,CNN-MLC方法的识别准确率显著提升。 展开更多
关键词 结构损伤识别 卷积神经网络 多位置损伤 多类别分类 多标签分类
在线阅读 下载PDF
结合传递比与栈式自编码器的结构损伤识别
17
作者 方圣恩 刘洋 张笑华 《振动工程学报》 EI CSCD 北大核心 2024年第9期1460-1467,共8页
如何从土木结构响应数据中挖掘损伤特征并有效分类,是实现损伤模式识别的关键。为此,以框架结构为分析对象,搭建设有自编码器隐藏层和Softmax分类层的栈式自编码器网络,采用无监督联合有监督的混合学习机制;基于有限元分析获取框架不同... 如何从土木结构响应数据中挖掘损伤特征并有效分类,是实现损伤模式识别的关键。为此,以框架结构为分析对象,搭建设有自编码器隐藏层和Softmax分类层的栈式自编码器网络,采用无监督联合有监督的混合学习机制;基于有限元分析获取框架不同工况下的传递比函数值,构建训练集、验证集和测试集样本;通过预训练确定自编码器隐藏层的参数值如权重和偏置值,避免网络出现过拟合;采用微调方式进一步调整预训练后的网络参数值,再结合验证集实现对网络超参数的调整;将实测传递比数据输入网络,实现对框架节点损伤的评估。结果表明:所提方法能有效进行损伤特征的提取和分类,准确识别框架节点的单、双损伤工况,相较于传统浅层神经网络具有更高的识别准确度和更好的抗噪性。 展开更多
关键词 损伤识别 栈式自编码器 混合学习机制 传递比函数 框架结构
在线阅读 下载PDF
基于遥感数据的工程结构损伤动态识别研究
18
作者 关宏洁 田晶 王群 《机械设计与制造》 北大核心 2024年第1期85-89,94,共6页
以定期监测工程结构状况为目标,提出了基于遥感数据的工程结构损伤动态识别方法,解决获取影像粗糙问题,提升微小工程结构损伤识别效果。运用二维Tsallis交叉熵计算工程结构遥感影像的二维直方图,通过在布谷鸟搜索算法(CS)中引入Logisti... 以定期监测工程结构状况为目标,提出了基于遥感数据的工程结构损伤动态识别方法,解决获取影像粗糙问题,提升微小工程结构损伤识别效果。运用二维Tsallis交叉熵计算工程结构遥感影像的二维直方图,通过在布谷鸟搜索算法(CS)中引入Logistic映射的混沌扰动算子,形成混沌CS算法,完善二维Tsallis交叉熵的阈值选择过程,获取最佳阈值后,分割工程结构遥感影像,增强处理分割后的遥感影像,并将处理后的影像作为SVM分类识别模型输入,完成损伤动态识别、归类。实验结果表明,该方法获取遥感影像精度极高,分割影像清晰且各区域边缘完整,能够识别微小的裂缝损伤,最大程度还原裂缝宽度及线性特征,识别结果影像信息含量大,且识别均方误差低、平方相关系数高。 展开更多
关键词 遥感数据 工程结构 损伤动态识别 混沌CS算法 SVM 遥感分割
在线阅读 下载PDF
结合深度信念记忆网络的结构损伤识别
19
作者 方圣恩 刘洋 《振动工程学报》 EI CSCD 北大核心 2024年第11期1917-1924,共8页
从结构响应信号中挖掘敏感损伤特征是基于模式分类的损伤识别方法的关键。为此,将深度信念网络和长短期记忆网络进行混合组网,通过混合学习机制有机结合了两种网络在高阶抽象特征提取和考虑数据序列相关性上的优点。将响应信号传递比值... 从结构响应信号中挖掘敏感损伤特征是基于模式分类的损伤识别方法的关键。为此,将深度信念网络和长短期记忆网络进行混合组网,通过混合学习机制有机结合了两种网络在高阶抽象特征提取和考虑数据序列相关性上的优点。将响应信号传递比值输入深度信念网络,实现初步数据压缩和特征提取,以减少响应中的冗余信息;将特征序列依次输入长短期记忆网络,以考虑响应间的相关性并获取敏感损伤特征;利用Softmax分类层对长短期记忆网络输出的特征进行分类,实现对不同结构损伤模式的识别。三维试验钢框架的损伤识别结果表明:混合学习机制能更好地训练网络参数,整体微调后更有利于后续的损伤特征分类;混合组网方式在包含数值或实测噪声的情况下仍可以有效进行数据压缩、特征提取和分类,准确识别了试验框架的多种损伤工况。 展开更多
关键词 损伤识别 框架结构 深度信念网络 长短期记忆网络 混合学习机制
在线阅读 下载PDF
船体结构损伤的智能识别与预测方法
20
作者 宋庭新 干永明 韩国晨 《舰船科学技术》 北大核心 2024年第19期170-175,共6页
为解决传统的船体结构损伤识别效率低下、准确性不高等问题,提出一种适用于船体结构的智能诊断识别与预测模型。首先对采集到的振动冲击信号进行预处理并在时域维度进行特征分析和提取。然后利用大量样本数据,采用改进的卷积神经网络(C... 为解决传统的船体结构损伤识别效率低下、准确性不高等问题,提出一种适用于船体结构的智能诊断识别与预测模型。首先对采集到的振动冲击信号进行预处理并在时域维度进行特征分析和提取。然后利用大量样本数据,采用改进的卷积神经网络(CNN)模型对船体结构损伤类型和严重程度进行分类识别,采用ARIMA时间序列模型对船体结构损伤时间进行预测,进而实现船体结构健康状态的及时预警和提前预知,为船体结构预防性维修提供参考。通过实际案例应用表明,提出的基于改进卷积神经网络和ARIMA模型的船体结构损伤识别和预测方法,可以充分利用船体结构健康监测大数据,有效提高故障的识别效率和准确率,为船舶装备的智能运维和健康管理提供可行的途径。 展开更多
关键词 损伤识别 故障预测 CNN模型 ARIMA模型 船体结构
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 25 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部