原文传递
一种基于模态振型和卷积神经网络的结构损伤识别方法
| 专利名称： | 一种基于模态振型和卷积神经网络的结构损伤识别方法 |
| 摘要： | 本发明公开一种基于模态振型和卷积神经网络的结构损伤识别方法，包括以下步骤：S1：通过软件模拟构建结构模型，并根据结构模型进行单元划分；S2：模拟结构模型在不同单元的若干种结构损伤情况；S3：提取结构在自由振动情况下的第一阶模态振型，所得的数据转化为矩阵数据形式，作为卷积神经网络的输入；S4：对卷积神经网络进行训练；S5：对结构进行实际测量，并按照S1的单元划分方式测量单元质心的位移信号，形成与S3对应的矩阵数据形式；S6：将S5的单元质心的数据矩阵代入到S4的训练后的卷积神经网络，得到结构的损伤结果。本发明将模态振型处理成卷积神经网络识别图像的数据，同时还可以识别损伤的位置及损伤程度，达到提高损伤识别精度的目的。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 广东;44 |
| 申请人： | 广东工业大学 |
| 发明人： | 陈贡发;龚盼盼 |
| 专利状态： | 有效 |
| 申请号： | CN201810963049.5 |
| 公开号： | CN109115879A |
| 代理机构： | 广州粤高专利商标代理有限公司 44102 |
| 代理人： | 林丽明 |
| 分类号： | G01N29/04(2006.01)I;G;G01;G01N;G01N29 |
| 申请人地址： | 510006 广东省广州市越秀区东风东路729号 |
| 主权项： | 1.一种基于模态振型和卷积神经网络的结构损伤识别方法，其特征在于，包括以下步骤：S1：通过软件模拟构建结构模型，并根据结构模型进行单元划分；S2：模拟结构模型在不同单元的若干种结构损伤情况；S3：提取结构在自由振动情况下的第一阶模态振型，所得的数据转化为矩阵数据形式，作为卷积神经网络的输入；所述的阵型是每个单元的质心的主振方向的位移组合；S4：对卷积神经网络进行训练；S5：对结构进行实际测量，并按照S1的单元划分方式测量单元质心的位移信号，形成与S3对应的矩阵数据形式；S6：将S5的单元质心的数据矩阵代入到S4的训练后的卷积神经网络，得到结构的损伤结果，所述的损伤结果包括结构的损伤的位置和结构的损伤的程度。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
