期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于时频变换和卷积神经网络的结构损伤识别
被引量：
2
1
作者
李治甫
康帅
+2 位作者
王自法
董正方
赫中营
《防灾减灾工程学报》
CSCD
北大核心
2023年第6期1275-1283,共9页
为了解决将单传感器时域数据直接作为卷积神经网络(CNN)的输入所引起的损伤识别精度不高的问题,提出基于小波包变换(DWPT)和快速傅里叶变换(FFT)的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例,将单传感器数据样本分别进...
为了解决将单传感器时域数据直接作为卷积神经网络(CNN)的输入所引起的损伤识别精度不高的问题,提出基于小波包变换(DWPT)和快速傅里叶变换(FFT)的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例,将单传感器数据样本分别进行DWPT和FFT变换,使用变换后的特征训练1D-CNN网络,训练好的网络测试精度有明显的提升,其识别精度均高于多个传感器数据直接作为输入的识别精度。同时分析了对噪声样本和异源(结构上未曾参与网络训练的传感器)数据的识别情况,结果表明对含噪声样本先进行时频变换再训练网络能显著提升对噪声样本的识别精度,而且能改善训练好的网络难以对异源传感器数据进行识别的问题,最后通过卡塔尔大学看台现场试验数据进一步论证上述结论。
展开更多
关键词
损伤识别
快速傅里叶变换
小波包变换
深度学习
CNN
在线阅读
下载PDF
职称材料
题名
基于时频变换和卷积神经网络的结构损伤识别
被引量：
2
1
作者
李治甫
康帅
王自法
董正方
赫中营
机构
河南大学土木
建
筑学院
中
震
科
建
(
广东
)
防灾
减灾
研究院
有限公司
出处
《防灾减灾工程学报》
CSCD
北大核心
2023年第6期1275-1283,共9页
基金
国家自然科学基金面上项目(51978634)
河南省高等学校重点科研项目(21A560005)
+1 种基金
河南省自然科学基金项目(222300420415)
甘肃省科技厅重大科技计划项目(19ZD2GA002)资助。
文摘
为了解决将单传感器时域数据直接作为卷积神经网络(CNN)的输入所引起的损伤识别精度不高的问题,提出基于小波包变换(DWPT)和快速傅里叶变换(FFT)的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例,将单传感器数据样本分别进行DWPT和FFT变换,使用变换后的特征训练1D-CNN网络,训练好的网络测试精度有明显的提升,其识别精度均高于多个传感器数据直接作为输入的识别精度。同时分析了对噪声样本和异源(结构上未曾参与网络训练的传感器)数据的识别情况,结果表明对含噪声样本先进行时频变换再训练网络能显著提升对噪声样本的识别精度,而且能改善训练好的网络难以对异源传感器数据进行识别的问题,最后通过卡塔尔大学看台现场试验数据进一步论证上述结论。
关键词
损伤识别
快速傅里叶变换
小波包变换
深度学习
CNN
Keywords
damage identification
fast Fourier transform
wavelet packet transform
deep learning
CNN
分类号
TU391 [建筑科学—结构工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于时频变换和卷积神经网络的结构损伤识别
李治甫
康帅
王自法
董正方
赫中营
《防灾减灾工程学报》
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
