原文传递
基于数据融合及卷积神经网络的结构损伤识别方法研究
| 论文题名： | 基于数据融合及卷积神经网络的结构损伤识别方法研究 |
| 关键词： | 桥梁结构;损伤识别;数据融合;卷积神经网络 |
| 摘要： | 传统的基于单一数据类型的结构损伤识别方法对结构损伤的识别精度较低，各单一数据对结构损伤识别存在着一定的局限性。为了提高结构损伤识别的精度，本文提出了一种基于数据融合（加速度与应变、振型与模态应变能）的结构损伤识别方法。卷积神经网络具有较强的特征提取能力和数据处理能力，本文通过将单种数据和融合数据与卷积神经网络结合进行结构损伤识别，同时设立损伤位置识别与损伤程度识别两种评价指标，通过对比预测的损伤情况与真实的损伤情况以验证该方法的可行性。此外通过对比单种数据与融合数据的损伤识别效果；以及融合数据间的识别效果以体现融合数据对结构损伤识别的优越性，同时得出识别效果最佳的数据数据类型。 本文首先从卷积神经网络和数据融合的相关理论出发，介绍了用于结构损伤识别的卷积神经网络的组成部分，每个组成部分的作用与工作原理，同时介绍了数据融合的分类、基本思想以及对于上述研究思路的实现过程。 其次以ABAQUS建立的桥梁模型为研究对象，通过课题组开发的基于ABAQUS与PYTHON的脚本程序对桥梁模型杆件的弹性模量进行折减以模拟桥梁模型损伤的各种工况，同时对各种损伤工况数据进行批量化提取。通过对数值模拟数据进行分析发现融合信号的识别效果要优于单一信号的识别效果；在融合的三种类型中决策级融合的识别效果最佳；数据级融合信号次之，特征级融合信号则表现不如前两者。 此外，基于上述的识别效果对数据级融合的相关数据进行了进一步的研究，主要包括了加速度传感器的布点位置以及获取应变信号的杆件类型。结果表明不同加速度传感器的布点位置以及获取应变信号的杆件类型都会影响单种信号的损伤识别精确度。 最后通过振动实验获得结构损伤的测试样本，将所获得的测试样本输入到用模拟数据训练好的网络中进行结构损伤识别。结果表明，卷积神经网络具有很强的结构损伤识别能力以及对异源信号的泛化能力，具有较高的实用性。 |
| 作者： | 张君玮 |
| 专业： | 建筑与土木工程 |
| 导师： | 张吉桥;陈贡发;吴传海 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
