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449篇文章
< 1 2 … 23 >
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：
基于深度子领域适应卷积神经网络的结构损伤识别
1
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
基于动力响应的近海结构损伤非典型参数识别方法研究综述
2
作者 胡艳 王启明 李成明 《水道港口》 2024年第3期357-366,共10页
近海结构服役环境恶劣,长期受到风浪流等复杂荷载作用,关键结构部件易受损,对其进行局部、早期损伤识别与定位有重要意义。由于动力信号采集技术的发展、损伤监测实时性的要求,基于动力响应的损伤识别方法已成为研究热点。目前对于结构... 近海结构服役环境恶劣,长期受到风浪流等复杂荷载作用,关键结构部件易受损,对其进行局部、早期损伤识别与定位有重要意义。由于动力信号采集技术的发展、损伤监测实时性的要求,基于动力响应的损伤识别方法已成为研究热点。目前对于结构损伤识别有两种不同的思路:基于模态及其衍生的动力指纹的参数化损伤识别方法以及利用时间序列特征、信号能量相关性等非典型参数方法。由于近海结构外部激励的复杂性,非典型参数方法逐渐成为动力响应损伤识别中最具应用前景的方法,文章对现有基于非典型参数方法的近海结构损伤识别体系进行系统梳理,比较了各种方法的优缺点,总结了目前非典型参数损伤识别方法面临的挑战,展望动力响应损伤识别的发展前景,为动力响应损伤识别在实际工程的应用提供参考。 展开更多
关键词 近海结构 动力响应 结构损伤识别 信号分解 非典型参数识别方法
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
3
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
船体结构损伤的智能识别与预测方法
4
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
基于多分类器协同训练的结构损伤识别
5
作者 秦世强 杨睿 苏晟 《武汉理工大学学报（交通科学与工程版）》 2024年第4期712-717,共6页
文中提出一种基于多分类器协同训练(multi-classifiers co-training,MCCT)的结构损伤识别框架.该框架结合多层感知机(multilayer perceptron,MLP)和支持向量机(support vector machine,SVM)进行协同训练,从无标签样本中挑选置信度高的... 文中提出一种基于多分类器协同训练(multi-classifiers co-training,MCCT)的结构损伤识别框架.该框架结合多层感知机(multilayer perceptron,MLP)和支持向量机(support vector machine,SVM)进行协同训练,从无标签样本中挑选置信度高的样本标注伪标签,扩大样本训练集,并采用加速度响应的功率谱密度(PSD)作为输入特征,用于识别结构损伤.结果表明:协同训练方法能够从无标签样本中选取置信度较高的样本,为损伤识别提供更充足有标签样本.相较于MLP和SVM,该方法在多种工况下,损伤识别准确率分别提升约4.7%和6.3%. 展开更多
关键词 结构损伤识别 协同训练 半监督学习 伪标签 神经网络
在线阅读 下载PDF
基于时空差分图卷积神经网络的古代石拱桥损伤识别研究
6
作者 张承文 淳庆 +1 位作者 马宇坤 林怡婕 《东南大学学报(自然科学版)》 北大核心 2025年第2期370-379,共10页
基于长期结构健康监测数据,采用时空差分图卷积神经网络,实现了古代石拱桥损伤的自动识别。首先,提出了一种改进的有向图矩阵构建方法,以避免有向图矩阵构建时的环境影响问题。其次,针对古代石拱桥,采用时空差分图卷积神经网络,构建训... 基于长期结构健康监测数据,采用时空差分图卷积神经网络,实现了古代石拱桥损伤的自动识别。首先,提出了一种改进的有向图矩阵构建方法,以避免有向图矩阵构建时的环境影响问题。其次,针对古代石拱桥,采用时空差分图卷积神经网络,构建训练模型。然后,以全国重点文物保护单位北京卢沟桥为算例,进行了为期32个月的结构健康监测。最后,根据监测结果训练并测试模型性能。研究结果表明,所提损伤识别方法的完全准确预测率可达92.26%,标签准确率为99%,精确率均值为93.5%,召回率均值为90.4%,误报率均值为3.0%,F_(1)得分均值为0.917。研究成果可为桥梁文物的预防性保护提供科学支撑。 展开更多
关键词 石拱桥 建筑遗产 损伤识别 图神经网络 结构健康监测
在线阅读 下载PDF
结构状态-参数-激励同步实时识别的改进UKF方法
7
作者 黄可 刘春芳 +2 位作者 黄杜康 戴理朝 王磊 《振动与冲击》 北大核心 2025年第6期191-201,253,共12页
在激励未知情况下,针对现有基于无迹卡尔曼滤波(unscented Kalman filter,UKF)的结构识别方法存在未知量多、计算效率低,难以实现结构状态、结构参数和激励的实时更新等问题,提出了结构状态-参数-激励同步实时识别的改进UKF方法。该方... 在激励未知情况下,针对现有基于无迹卡尔曼滤波(unscented Kalman filter,UKF)的结构识别方法存在未知量多、计算效率低,难以实现结构状态、结构参数和激励的实时更新等问题,提出了结构状态-参数-激励同步实时识别的改进UKF方法。该方法通过将未知激励和未知参数模拟为随机游走模型,建立了结构状态、结构参数和外激励相统一的状态向量,有效减少识别过程中未知量的个数,并解决了未知激励不能同步更新的问题。利用刚度退化表征结构损伤,考虑识别过程中观测噪声的影响,基于地震作用下两个非线性迟滞模型算例验证了方法的有效性。结果表明:在仅观测非线性结构部分加速度响应的情况下,建议方法不仅能同步实时识别非线性结构的状态、参数以及外激励,还能在刚度退化之后实时追踪结构的刚度损伤。 展开更多
关键词 损伤识别 未知激励识别 无迹卡尔曼滤波 非线性结构 结构健康监测
在线阅读 下载PDF
基于改进灰狼优化算法的结构损伤识别 被引量：2
8
作者 谢少鹏 吴柏生 +2 位作者 赵秀婷 邹敏清 林丹锐 《计算力学学报》 CAS CSCD 北大核心 2024年第2期256-262,共7页
结合模态柔度矩阵、广义模态柔度矩阵和振型三个识别精度较好的指标,构造新的目标函数求解损伤识别问题。通过Nelson方法求解得到的频率与振型的导数,得到对结构刚度发生变化时更具敏感性的位置,然后在这些位置布置传感器以提取结构信... 结合模态柔度矩阵、广义模态柔度矩阵和振型三个识别精度较好的指标,构造新的目标函数求解损伤识别问题。通过Nelson方法求解得到的频率与振型的导数,得到对结构刚度发生变化时更具敏感性的位置,然后在这些位置布置传感器以提取结构信息。针对原有的灰狼算法虽然全局搜索能力强,但是存在局部搜索精度差的问题,本文从初始种群和收敛因子等方面着手,改善灰狼算法的局部搜索能力及收敛速度。最后利用提出的方法,通过识别梁模型及桁架模型中的损伤单元说明本文方法的有效性。 展开更多
关键词 结构损伤识别 灰狼算法 灵敏度定位法 动力特性参数 Nelson方法
在线阅读 下载PDF
基于迁移卷积神经网络的桥梁结构损伤识别方法 被引量：1
9
作者 罗旭欣 陈龙 +1 位作者 梁韬 黄天立 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3888-3899,共12页
针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensio... 针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensional Convolutional Neural Network,1D-CNN)的结构损伤识别方法。首先,基于结构有限元数值模拟数据训练1D-CNN模型,选择损伤识别效果较好、性能优良的模型作为源模型;然后,将源模型中的网络结构和超参数迁移到实际结构实测数据集(目标域)网络模型的对应位置并冻结,得到预训练模型;最后,使用实测数据微调预训练模型得到目标模型。为验证该方法的有效性,通过3层钢框架结构实验室试验和日本某简支钢桁梁桥的现场试验,对比源模型(模型Ⅰ)、仅采用实测数据训练得到的CNN模型(模型Ⅱ)和采用迁移学习得到的CNN目标模型(模型Ⅲ)等3种神经网络模型的结构损伤模式识别准确率。研究结果表明:3层钢框架结构实验室试验中,3种CNN模型的最高损伤模式识别准确率分别为63.44%,98.44%,99.06%;日本某简支钢桁梁桥的现场试验中,3种CNN模型的最高损伤模式识别准确率分别为59.50%,97.00%,99.50%。针对不同结构,目标模型(模型Ⅲ)的损伤模式识别准确率均最高,收敛速度最快,优于其他2种CNN模型。基于迁移卷积神经网络的桥梁结构损伤识别方法具有较好的实际结构损伤识别能力,为解决数据有限情况下的结构损伤识别问题提供了一种有效的解决途径。 展开更多
关键词 桥梁结构 损伤模式识别 一维卷积神经网络 迁移学习 源域 目标域
在线阅读 下载PDF
基于电学成像与深度学习的蜂窝结构冲击损伤识别研究
10
作者 周登 李雪峰 +1 位作者 严刚 黄再兴 《航空制造技术》 CSCD 北大核心 2024年第13期84-91,共8页
针对蜂窝夹层结构遭受外物冲击的情况,提出结合电学成像和深度学习的方法,对冲击损伤进行在线监测和识别,为结构完整性评估和决策提供准确信息。首先通过丝网印刷技术,使用碳油墨和银浆油墨在结构表面分别制备感应层和导电线路;然后对... 针对蜂窝夹层结构遭受外物冲击的情况,提出结合电学成像和深度学习的方法,对冲击损伤进行在线监测和识别,为结构完整性评估和决策提供准确信息。首先通过丝网印刷技术,使用碳油墨和银浆油墨在结构表面分别制备感应层和导电线路;然后对不同数量、位置和尺寸的冲击损伤进行数值仿真,获取对应的感应层电导率变化与边界电压变化数据样本,由残差神经网络进行深度学习,建立二者的映射关系;最后在结构遭受冲击前后分别测量感应层的边界电压数据,通过训练好的残差神经网络重建感应层电导率变化分布的图像,实现损伤信息的识别。通过对蜂窝夹层结构进行低速冲击试验,验证了所提出技术和方法的可行性和有效性。 展开更多
关键词 蜂窝夹层结构 冲击损伤识别 印刷感应层 电学成像 深度学习
在线阅读 下载PDF
基于BP神经网络的桁架结构损伤识别研究 被引量：2
11
作者 冯紫科 杨璐 +1 位作者 柳美玉 李笑林 《建筑科学与工程学报》 CAS 北大核心 2024年第6期41-48,共8页
为分析验证BP神经网络在结构损伤识别定位上应用的有效性,设计了一个桁架结构模型的静力加载试验,通过在桁架结构中更换不同直径的杆件来模拟杆件损伤,并记录其所引起的静力响应;采用ABAQUS分析软件建立了对应的桁架有限元模型,并分析... 为分析验证BP神经网络在结构损伤识别定位上应用的有效性,设计了一个桁架结构模型的静力加载试验,通过在桁架结构中更换不同直径的杆件来模拟杆件损伤,并记录其所引起的静力响应;采用ABAQUS分析软件建立了对应的桁架有限元模型,并分析了该桁架在不同荷载工况下的受力性能与损伤情况;在此基础上建立了用于预测桁架损伤状态的BP神经网络,该网络以有限元分析中桁架结构的荷载和节点位移作为输入参数,桁架杆件的损伤状态作为输出参数,建立了桁架结构杆件损伤状态与荷载、节点位移之间的关系;采用桁架结构模型静力加载试验所得数据对BP神经网络算法的正确性进行验证。结果表明:BP神经网络用于桁架结构杆件的损伤识别定位能够达到较高的精度,可以实现对结构进行实时准确的安全状态评价。 展开更多
关键词 BP神经网络 桁架结构 损伤识别 静力加载试验
在线阅读 下载PDF
基于计算机视觉的浮放式非结构构件地震损伤识别方法 被引量：1
12
作者 王健泽 杨雄磊 +3 位作者 江永清 戴靠山 徐军 陈彬 《世界地震工程》 北大核心 2024年第3期176-187,共12页
非结构构件是实现建筑使用功能的重要组成部分。非结构构件破坏常常会影响建筑震后正常使用功能,严重时造成震后建筑功能长时间中断,是影响建筑抗震韧性的重要因素。基于健康监测与遥感影像的建筑震后性态评估主要针对结构构件,未有关... 非结构构件是实现建筑使用功能的重要组成部分。非结构构件破坏常常会影响建筑震后正常使用功能,严重时造成震后建筑功能长时间中断,是影响建筑抗震韧性的重要因素。基于健康监测与遥感影像的建筑震后性态评估主要针对结构构件,未有关于非结构构件震损识别的相关研究。针对监控视频中的固定式、悬吊式和浮放式非结构构件地震破坏现象的差异,该研究基于YOLOF目标检测算法的分割检测功能和Slowfast视频理解算法的时间序列建模功能,提出了一种适用于浮放式非结构构件的响应与损伤识别方法。为验证该方法的可行性,通过开展小型振动台试验构建浮放式非结构构件地震响应视频数据库,基于数据库对浮放式非结构构件的运动响应影像进行了损伤识别。结果表明:该研究提出的浮放式非结构构件的运动损伤状态识别方法可行,识别准确度达到83.4%。 展开更多
关键词 非结构构件 损伤现象 目标检测 视频理解 损伤识别
在线阅读 下载PDF
基于多通道一维卷积神经网络的建筑结构损伤识别
13
作者 熊青松 熊海贝 +2 位作者 袁程 陈琳 孔庆钊 《振动与冲击》 EI CSCD 北大核心 2024年第24期216-224,共9页
面向建筑结构实际工程中监测数据获取范式以及现阶段相关数据驱动算法的局限性,提出一种基于多通道一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)的建筑结构损伤识别算法。该方法通过对建筑各楼层测点振动数... 面向建筑结构实际工程中监测数据获取范式以及现阶段相关数据驱动算法的局限性,提出一种基于多通道一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)的建筑结构损伤识别算法。该方法通过对建筑各楼层测点振动数据进行融合特征提取,利用多通道1D CNN隐式提取测点间拓扑关系,抽取信号高维损伤特征,从而实现建筑结构损伤的有效识别。基于IASC-ASCE benchmark模型,验证所提方法的有效性。并与传统单通道1D CNN进行对比分析,结果表明,其在识别精度上实现明显提升,预测精度达0.989。同时,模型训练过程中引入监视机制,大幅提升模型训练效率,对比分析表明所提出多通道模型架构训练收敛更快,结构损伤特征抽取更为稳定。 展开更多
关键词 损伤识别 一维卷积 多通道 建筑结构 深度学习
在线阅读 下载PDF
基于子结构模型降阶和数据驱动的杆塔结构损伤识别方法
14
作者 邓茂 严波 +4 位作者 高英博 杨寒旭 吕中宾 张博 刘光辉 《应用数学和力学》 CSCD 北大核心 2024年第7期850-863,共14页
针对受静载作用的输电杆塔大型复杂结构,提出了一种基于子结构模型降阶和数据驱动的损伤回归识别方法.根据杆塔框架结构特征及其在自重和覆冰静载作用下的变形特征划分子结构,确定结构可能出现的损伤状态,定义损伤指标.采用子结构模型... 针对受静载作用的输电杆塔大型复杂结构,提出了一种基于子结构模型降阶和数据驱动的损伤回归识别方法.根据杆塔框架结构特征及其在自重和覆冰静载作用下的变形特征划分子结构,确定结构可能出现的损伤状态,定义损伤指标.采用子结构模型降阶方法对含损伤结构的有限元模型进行降阶,形成降阶模型库.进一步,根据杆塔受载特征确定标定载荷,根据变形及破坏模式设计应变传感器布置方案,采用有限元方法计算降阶模型库中所有模型在标定载荷作用下的变形,构建数据集.以传感器测点的应变数据作为输入,损伤指标作为输出,利用BP神经网络算法建立损伤回归识别模型,实现杆塔损伤位置识别和损伤指标预测,为杆塔结构健康状态实时监测技术开发奠定了基础. 展开更多
关键词 子结构模型降阶 输电杆塔 数据驱动 损伤识别 回归模型
在线阅读 下载PDF
HVD分解和GA-BP神经网络结合的井架钢结构损伤识别
15
作者 朱国庆 韩东颖 +3 位作者 黄岩 李岳峰 李可欣 葛文泰 《噪声与振动控制》 CSCD 北大核心 2024年第2期108-113,共6页
针对井架钢结构冲击载荷振动信号非线性、非平稳性对损伤识别的干扰问题,提出了一种基于希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)与遗传算法优化的神经网络(Genetic BP Neural Networks,GA-BP)相结合的智能故障诊断方法... 针对井架钢结构冲击载荷振动信号非线性、非平稳性对损伤识别的干扰问题,提出了一种基于希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)与遗传算法优化的神经网络(Genetic BP Neural Networks,GA-BP)相结合的智能故障诊断方法。首先,利用HVD分解的方法处理冲击载荷作用下的加速度非平稳振动信号;其次,由斯皮尔曼相关系数选取HVD分解后的最优(Intrinsic Mode Function,IMF)分量,以最优IMF分量能量变化率构造特征向量;最后,通过特征向量建立数据集进行神经网络训练,完成信号的特征学习和故障分类。利用ZJ70型井架钢结构模型进行冲击载荷作用下的单处损伤和多处损伤的不同工况实验验证,结果表明:对于单处损伤位置识别率达到90%,多处损伤位置识别率高达96%,利用HVD分解与GA-BP神经网络相结合的方法具有较好的稳定性,能够准确判断出井架钢结构损伤位置,具有一定的实际应用价值。 展开更多
关键词 故障诊断 HVD分解 GA-BP神经网络 冲击载荷 井架钢结构 损伤识别
在线阅读 下载PDF
基于时域多参数信息融合与机器学习算法的井架钢结构损伤识别
16
作者 黄岩 韩东颖 +2 位作者 朱国庆 李岳峰 李可欣 《计量学报》 CSCD 北大核心 2024年第5期698-705,共8页
为避免井架钢结构在作业过程中由结构损伤引发的安全隐患,将时域多参数信息融合与机器学习算法进行结合,基于井架钢结构位移响应信号提出了一种基于主成分分析和随机森林算法的井架钢结构损伤识别方法。利用加速度传感器提取在冲击载荷... 为避免井架钢结构在作业过程中由结构损伤引发的安全隐患,将时域多参数信息融合与机器学习算法进行结合,基于井架钢结构位移响应信号提出了一种基于主成分分析和随机森林算法的井架钢结构损伤识别方法。利用加速度传感器提取在冲击载荷下井架钢结构的加速度响应信号,由加速度响应信号处理得到位移响应信号,并提取包含脉冲因子、裕度因子和峭度的3个时域特征;运用主成分分析法将3个特征融合成1个新的综合性时域特征,将原始信号中包含的大多数信息保留下来;将处理过的数据输入随机森林算法模型进行井架钢结构损伤识别,整个过程只需要采集损伤后的信号,不需要采集损伤前的信号。利用以上损伤识别模型对井架钢结构有限元模型进行仿真计算,同时结合ZJ70井架钢结构实验室模型的实验结果进行分析。分析结果表明:利用上述损伤识别方法可以准确高效地判断出井架钢结构单一或多处损伤,判断结果的正确率为90%以上。 展开更多
关键词 损伤识别 井架钢结构 冲击载荷 加速度传感器 信息融合 机器学习 时域多参数
在线阅读 下载PDF
飞行器结构壁板声疲劳损伤智能识别技术研究
17
作者 兴效鸣 陈国一 陈忠明 《装备环境工程》 CAS 2024年第9期126-133,共8页
目的 针对飞行器结构壁板损伤疲劳问题进行研究,提高对声疲劳损伤的智能识别能力。方法 构建一种基于梯度提升决策树(GBDT)的高效智能识别模型,用于识别飞行器结构壁板的声疲劳损伤。该方法依赖于GBDT模型的强大性能,能够有效处理复杂... 目的 针对飞行器结构壁板损伤疲劳问题进行研究,提高对声疲劳损伤的智能识别能力。方法 构建一种基于梯度提升决策树(GBDT)的高效智能识别模型,用于识别飞行器结构壁板的声疲劳损伤。该方法依赖于GBDT模型的强大性能,能够有效处理复杂的非线性关系,并通过迭代学习不断优化识别结果。基于某复合材料结构壁板噪声实测数据,构建时间、速度、标签数据集进行模型验证。结果 基于GBDT的噪声疲劳损伤智能识别准确率为76.8%。结论 基于GBDT的声疲劳损伤智能识别方法具有良好的识别能力,能够在实际应用中对飞行器结构壁板的声疲劳损伤进行有效监测,验证了该方法的有效性和实用性。 展开更多
关键词 噪声 疲劳损伤 复合材料 GBDT智能识别模型 测试验证 结构壁板
在线阅读 下载PDF
基于CNN-GRU并联网络的海上风电支撑结构损伤识别
18
作者 李行健 刁延松 +1 位作者 吕建达 侯敬儒 《振动与冲击》 EI CSCD 北大核心 2024年第20期229-237,共9页
利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU... 利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU)神经网络并联网络的结构损伤识别新方法。首先,对响应信号进行广义S变换(generalized S-transform,GST)得到其时频图像。然后,分别利用CNN和GRU从时频图像和响应信号中提取时频域特征和时序特征,并将时频域特征和时序特征拼接后输入全连接层和Softmax分类器中进行结构损伤识别。位移激励下的海上风电支撑结构模型试验数据验证结果表明,该方法仅需要一个测点的响应信号,与其他同类方法相比具有更高的识别准确率和效率。 展开更多
关键词 卷积神经网络-门控循环单元(CNN-GRU)并联网络 结构损伤识别 深度学习 海上风电支撑结构 广义S变换(GST)
在线阅读 下载PDF
基于混合PSO算法和损伤概率均值的两阶段梁式结构损伤识别
19
作者 陈泽鹏 王伟龙 +1 位作者 刘琪钿 吴京涛 《计算力学学报》 CAS CSCD 北大核心 2024年第3期525-533,共9页
受算法随机参数和测量噪声等因素的影响,基于群智能算法的结构损伤识别法容易出现单次识别误差大和多次识别波动大的问题。针对该问题,本文基于混合PSO算法和损伤概率均值提出一种两阶段梁式结构损伤识别方法。定义了包括单元容许损伤值... 受算法随机参数和测量噪声等因素的影响,基于群智能算法的结构损伤识别法容易出现单次识别误差大和多次识别波动大的问题。针对该问题,本文基于混合PSO算法和损伤概率均值提出一种两阶段梁式结构损伤识别方法。定义了包括单元容许损伤值αcr和临界概率pc的损伤有效原则,以计算损伤概率均值。第一阶段,对混合PSO算法的多次识别结果分批计算一阶段损伤概率均值,第二阶段,在此基础计算两阶段损伤概率均值。本文方法能够有效地提高高噪声水平影响下的结构损伤识别精度。简支梁和两跨连续梁的损伤工况试验研究表明,该算法能够有效地应用于不同结构和不同工况的结构损伤识别,在减少损伤误判的同时保证损伤单元的识别精度。 展开更多
关键词 结构损伤识别 混合粒子群算法 有效损伤原则 损伤概率均值 梁式结构损伤识别
在线阅读 下载PDF
基于自适应无迹卡尔曼滤波的结构损伤在线识别算法
20
作者 黄可 孙展 +1 位作者 黄杜康 王磊 《振动与冲击》 EI CSCD 北大核心 2024年第23期203-210,259,共9页
在运用无迹卡尔曼滤波(unscented Kalman filtering,UKF)对结构进行损伤识别和健康监测的过程中,噪声往往未知时变,而传统UKF方法在噪声参数选择不当时易出现性能退化及发散的问题。为此,提出一种基于自适应无迹卡尔曼滤波(adaptive uns... 在运用无迹卡尔曼滤波(unscented Kalman filtering,UKF)对结构进行损伤识别和健康监测的过程中,噪声往往未知时变,而传统UKF方法在噪声参数选择不当时易出现性能退化及发散的问题。为此,提出一种基于自适应无迹卡尔曼滤波(adaptive unscented Kalman filtering,AUKF)的结构损伤在线识别算法。该算法利用协方差匹配法和遗忘因子法,通过残差和新息序列实时识别并更新测量噪声和过程噪声,在保证噪声矩阵正定性的同时,提高了UKF对结构未知参数和损伤的识别精度。采用桥梁模型和非线性模型的数值算例验证本文方法的有效性。结果表明,该方法可以有效识别大型土木工程结构和非线性结构的损伤位置和程度,且对时变的噪声具有自适应能力和鲁棒性。 展开更多
关键词 无迹卡尔曼滤波(UKF) 损伤识别 噪声识别 结构健康监测
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 … 23 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