期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
强噪声小样本条件下基于图卷积神经网络的结构损伤识别 被引量:1
1
作者 李行 骆勇鹏 +2 位作者 郭旭 廖飞宇 鲁四平 《地震工程与工程振动》 CSCD 北大核心 2024年第3期52-60,共9页
基于深度学习的结构损伤识别主要通过捕捉数据特征及内部规律来实现。训练样本不足、噪声干扰均可能导致有效特征及内部规律的挖掘失败。从数据中尽可能挖掘更多的信息用于识别损伤尤为重要。文中提出了基于图卷积神经网络的结构损伤识... 基于深度学习的结构损伤识别主要通过捕捉数据特征及内部规律来实现。训练样本不足、噪声干扰均可能导致有效特征及内部规律的挖掘失败。从数据中尽可能挖掘更多的信息用于识别损伤尤为重要。文中提出了基于图卷积神经网络的结构损伤识别方法。首先,为了能够提取更多特征,即同时考虑不同位置传感器之间的相关性和各个传感器数据的自身特性,通过图构造方法将一维振动数据转换为图数据。然后采用图卷积神经网络提取图样本的数据特征并实现快速分类,完成损伤识别的目的。采用卡塔尔大学看台结构模型来验证所提方法的可行性及可靠性,并探讨噪声程度、样本个数、构图方式及相关图卷积网络参数对识别结果的影响。结果表明:与一维卷积神经网络相比,图卷积神经网络模型在强噪声、小样本的情况下具有较高的损伤识别精度。构图方式及图池化方法对识别结果有一定的影响,Path构图方式与Topk池化的识别结果较为稳定且高于其他组合形式。 展开更多
关键词 结构健康监测 损伤识别 振动响应 深度学习 图卷积神经网络
在线阅读 下载PDF
基于云模型和模型修正的不确定性损伤识别
2
作者 郑金铃 骆勇鹏 +2 位作者 齐林 陈鑫 廖飞宇 《振动.测试与诊断》 EI CSCD 北大核心 2024年第5期971-978,1041,共9页
结构损伤识别中存在的不确定性因素相互渗透、相互耦合,对识别结果有较大影响。针对此问题,提出基于随机模型修正和云模型漂移性度量(Kullback-Leibler divergence based on cloud model,简称KLDCM)的不确定性损伤识别方法。首先,采用... 结构损伤识别中存在的不确定性因素相互渗透、相互耦合,对识别结果有较大影响。针对此问题,提出基于随机模型修正和云模型漂移性度量(Kullback-Leibler divergence based on cloud model,简称KLDCM)的不确定性损伤识别方法。首先,采用云模型数字特征参数量化不同状态下实测数据的不确定性,并通过云发生器扩充实测数据;其次,基于改进随机模型修正方法计算与扩充后数据所对应的结构物理参数,根据云模型外包络曲线计算未知工况与健康工况下结构各单元物理参数的漂移度,并以归一化后各单元漂移度指标均值为阈值判别损伤单元位置;然后,在损伤位置判断的基础上,以损伤单元物理参数期望值来衡量损伤单元的损伤程度;最后,采用数值模拟和实际结构验证所提方法的可行性及可靠性,探讨了噪声水平、原始样本个数对损伤识别结果的影响。研究结果表明,与基于最大边界曲线法(maximum-boundary curve method,简称MCM)相比,所提方法受不确定性因素影响较小,具有更好的损伤识别精度。 展开更多
关键词 损伤识别 响应面 模型修正 云模型 不确定性
在线阅读 下载PDF
结合SLMSST和DO提取时变结构瞬时频率
3
作者 李宇祖 刘景良 +1 位作者 苏杰龙 吕毓霖 《噪声与振动控制》 CSCD 北大核心 2024年第2期50-56,62,共8页
为提升局部最大同步挤压变换估算瞬时频率的精度,本文结合2阶局部最大同步挤压变换(Second-order Local Maximum Synchrosqueezing Transform,SLMSST)和动态规划(Dynamic Optimization,DO)方法提出一种识别时变结构瞬时频率的新方法。... 为提升局部最大同步挤压变换估算瞬时频率的精度,本文结合2阶局部最大同步挤压变换(Second-order Local Maximum Synchrosqueezing Transform,SLMSST)和动态规划(Dynamic Optimization,DO)方法提出一种识别时变结构瞬时频率的新方法。该方法首先通过引入2阶瞬时振幅与相位得到精度更高的2阶瞬时频率估算位置。其次,搜索频率方向上时频系数的局部最大值所对应的2阶瞬时频率位置并根据这些位置对时频系数进行重排,从而得到2阶局部最大同步挤压变换后的瞬时频带。再次,运用动态规划法在限定频带范围内提取瞬时频率曲线。通过一组数值算例和一个时变拉索试验验证了所提新方法的有效性,研究结果表明:相比既有的局部最大同步挤压变换算法,2阶局部最大同步挤压变换和动态规划的联合算法不仅具有较好的精度,而且具有更好的时频聚集性。 展开更多
关键词 振动与波 时变 局部最大同步挤压变换 时频系数 瞬时频率 动态规划
在线阅读 下载PDF
最大系数多重同步挤压变换识别结构瞬时频率
4
作者 刘景良 李宇祖 +2 位作者 苏杰龙 盛叶 骆勇鹏 《振动.测试与诊断》 EI CSCD 北大核心 2024年第1期37-43,195,共8页
针对多重同步挤压变换及其改进算法存在的未重排点问题,提出了一种基于最大系数的多重同步挤压变换(maximum coefficient based multi-synchrosqueezing transform,简称MCMSST)方法来识别时变结构非平稳响应信号的瞬时频率(instantaneou... 针对多重同步挤压变换及其改进算法存在的未重排点问题,提出了一种基于最大系数的多重同步挤压变换(maximum coefficient based multi-synchrosqueezing transform,简称MCMSST)方法来识别时变结构非平稳响应信号的瞬时频率(instantaneous frequency,简称IF)。首先,引入傅里叶频谱来辅助多分量响应信号选取截止频率;其次,对响应信号进行短时傅里叶变换(short time fourier transform,简称STFT),针对短时傅里叶变换系数求取针对时间的偏导,从而获得估算的瞬时频率;然后,在对瞬时频率的估算值进行多次迭代的基础上,仅保留时频系数模值最大处所对应的估算瞬时频率,并将其余位置的瞬时频率值归零;最后,对时频系数模值最大处所对应的瞬时频率进行时频重排即可得到细化后的瞬时频带。由于基于MCMSST方法提取的是瞬时频带,故采用时频系数模极大值法在限定的频带范围内提取瞬时频率曲线。通过2组数值算例和1个铝合金悬臂梁质量突变试验,验证了所提方法的有效性。研究结果表明,MCMSST方法不仅彻底解决了未重排点问题,而且提高了瞬时频率的识别精度和抗噪能力。 展开更多
关键词 时变 多重同步挤压变换 未重排点 时频系数 瞬时频率
在线阅读 下载PDF
基于ILMSST识别时变结构非平稳响应信号瞬时频率
5
作者 刘景良 李宇祖 +2 位作者 苏杰龙 骆勇鹏 盛叶 《地震工程与工程振动》 CSCD 北大核心 2024年第2期72-80,共9页
为解决局部最大同步挤压变换算法识别的频率精度不足及频带能量发散的问题,提出一种改进算法并将之命名为改进局部最大同步挤压变换方法(improved local maximum synchrosqueezing transform,ILMSST)。该方法首先对瞬时频率(instantaneo... 为解决局部最大同步挤压变换算法识别的频率精度不足及频带能量发散的问题,提出一种改进算法并将之命名为改进局部最大同步挤压变换方法(improved local maximum synchrosqueezing transform,ILMSST)。该方法首先对瞬时频率(instantaneous freguency,IF)位置进行多次迭代,从而获得更高精度的瞬时频率位置。其次,搜索短时傅里叶系数模极大值的位置并上下平移该位置,得到初步估算的频带并将频带外的短时傅里叶系数归零。最后,搜索频率方向上短时傅里叶系数的局部最大值所对应的瞬时频率位置,根据这些位置对时频系数进行重排,进而得到细化的瞬时频带。通过2组数值算例、1个7层钢筋混凝土剪力墙振动台试验和1个时变拉索试验验证了所提新方法的有效性,研究结果表明:相比现有的局部最大同步挤压变换方法,改进算法不仅提高了瞬时频率的估算精度,而且改善了响应信号瞬时频带的时频聚集性。 展开更多
关键词 时变 局部最大同步挤压变换 时频系数 瞬时频率 时频分析
在线阅读 下载PDF
行人荷载作用下钢木组合人行桥结构时变频率识别及变化规律研究 被引量:2
6
作者 彭佳敏 刘景良 +3 位作者 陈飞宇 郑文婷 盛叶 骆勇鹏 《噪声与振动控制》 CSCD 北大核心 2022年第6期203-211,266,共10页
钢-木组合结构因其良好的承载能力与环境协调性目前多用于人行桥等结构系统。为追踪行人与钢木组合人行桥耦合作用所导致的频率变化特性,建立人体与钢木组合人行桥耦合的数值模型并求解其振动响应。由于人致振动产生的响应信号有可能是... 钢-木组合结构因其良好的承载能力与环境协调性目前多用于人行桥等结构系统。为追踪行人与钢木组合人行桥耦合作用所导致的频率变化特性,建立人体与钢木组合人行桥耦合的数值模型并求解其振动响应。由于人致振动产生的响应信号有可能是非渐近和密集的,采用一种拓展解析模态分解、递归希尔伯特变换和变焦同步挤压小波变换相结合的联合方法识别其时变模态特性。研究结果表明:该模型能够很好地模拟人或人群与钢木组合人行桥之间的相互作用;在单人或是人群作用下该联合方法均能准确识别出耦合系统的频率变化并具有一定的鲁棒性。在此基础上,对不同跨径钢木组合人行桥进行数值模拟并分析不同人体参数对人-桥耦合系统固有频率的影响,最终得到人-钢木组合桥耦合系统频率随行人荷载的变化规律并拟合出经验公式。该公式能够为人行桥的设计、维护等提供参考。 展开更多
关键词 振动与波 钢木组合结构 人桥相互作用 同步挤压小波变换 时变 联合方法 瞬时频率
在线阅读 下载PDF
改进YOLOv5的沥青路面病害检测算法 被引量:11
7
作者 杨振 李林 +2 位作者 罗文婷 倪昌双 傅幼华 《计算机工程与设计》 北大核心 2023年第11期3360-3372,共13页
为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表... 为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表明,与原YOLOv5算法相比,YOLO-EH对于同一批路段数据在平均病害识别准确率上提高了2.6个百分点,验证了其准确性与有效性。 展开更多
关键词 深度学习 沥青路面病害识别 目标检测 YOLOv5 注意力机制 特征增强模块 逆向二次循环特征金字塔网络
在线阅读 下载PDF
高阶多重同步挤压变换识别时变结构瞬时频率 被引量:1
8
作者 李宇祖 刘景良 +1 位作者 骆勇鹏 盛叶 《噪声与振动控制》 CSCD 北大核心 2023年第2期43-50,共8页
针对多重同步挤压变换及其改进算法存在估算瞬时频率精度不高的问题,提出新的高阶多重同步挤压变换算法并应用于时变结构的瞬时频率识别。该方法首先通过引入高阶瞬时振幅与相位得到精度更高地估算1阶瞬时频率,然后采用递推法得到估算... 针对多重同步挤压变换及其改进算法存在估算瞬时频率精度不高的问题,提出新的高阶多重同步挤压变换算法并应用于时变结构的瞬时频率识别。该方法首先通过引入高阶瞬时振幅与相位得到精度更高地估算1阶瞬时频率,然后采用递推法得到估算的高阶瞬时频率。其次,对高阶瞬时频率进行多次迭代并对迭代后的瞬时频率进行重排,从而得到高阶多重同步挤压变换后的瞬时频带。再次,运用时频系数模局部极大值法在限定的频带范围内提取瞬时频率曲线。通过两组数值算例和一个质量突变的悬臂梁试验验证所提新方法的有效性,研究结果表明:相比现有的多重同步挤压变换改进算法,高阶多重同步挤压变换不仅具有较好的精度,而且可以减少未重排点。 展开更多
关键词 振动与波 时变 多重同步挤压变换 未重排点 频带 瞬时频率
在线阅读 下载PDF
基于CNN与DCGAN的结构振动监测传感器故障诊断及监测数据恢复 被引量:12
9
作者 郭旭 骆勇鹏 +3 位作者 王林堃 刘景良 廖飞宇 游德泉 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2022年第11期3383-3395,共13页
传感器是结构健康监测系统的关键组成部分,其在服役期间可能发生性能退化甚至故障,故障传感器采集的错误信号会影响结构状态评估结果的准确性。为此,提出基于卷积神经网络(convolutional neural networks, CNN)和深度卷积生成对抗网络(d... 传感器是结构健康监测系统的关键组成部分,其在服役期间可能发生性能退化甚至故障,故障传感器采集的错误信号会影响结构状态评估结果的准确性。为此,提出基于卷积神经网络(convolutional neural networks, CNN)和深度卷积生成对抗网络(deep convolutional generative adversarial networks, DCGAN)的结构加速度传感器故障自诊断及故障信号自恢复算法。以加速度时程数据为输入,建立基于CNN的传感器故障诊断模型,判断传感器故障类型和故障位置。根据传感器故障诊断结果,对数据集进行相应的处理。将故障传感器信号作为判别器的输入,利用剩余健康传感器信号潜在特征与故障传感器信号之间的相关性,训练基于DCGAN的信号恢复模型,对故障传感器信号进行恢复。采用Benchmark模型和实桥测试结果验证所提方法的可行性及可靠性,并探讨不同噪声水平对信号恢复结果的影响。研究结果表明:基于CNN传感器故障诊断模型具有较好的抗噪性能,传感器的故障诊断准确率在90%以上。恢复信号在时域、频域与真实信号匹配良好。重构误差随着信噪比的降低和故障传感器数量在总传感器数量中占比的增加而增大,但重构信号与真实信号的R~2均在0.8以上。 展开更多
关键词 结构健康监测 传感器故障 故障诊断 信号恢复 卷积神经网络 生成对抗网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部