[发明专利]基于小波变换及残差网络的组合梁损伤识别方法及系统在审
申请号: | 202310256840.3 | 申请日: | 2023-03-17 |
公开(公告)号: | CN116070105A | 公开(公告)日: | 2023-05-05 |
发明(设计)人: | 黄彩萍;周永康;张承鹏;田旺源;黄子涵;李晋晋;余子行 | 申请(专利权)人: | 湖北工业大学 |
主分类号: | G06F18/213 | 分类号: | G06F18/213;G06F18/10;G06F18/24;G06F18/214;G06Q10/0639;G06Q50/08;G06N3/0464 |
代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 张辰 |
地址: | 430068 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 变换 网络 组合 损伤 识别 方法 系统 | ||
本发明提供一种基于小波变换及残差网络的组合梁损伤识别方法及系统,属于数字信号处理技术领域,包括:采集原始组合梁应变信号,对原始组合梁应变信号进行小波变换,得到应变信号时频图谱;对应变信号时频图谱中的损伤类别进行标记获得样本标签,根据应变信号时频图谱和样本标签构建样本数据集;构建深度残差网络模型,采用样本数据集对深度残差网络模型进行训练,得到组合梁损伤识别模型;采集待检测组合梁应变信号,将待检测组合梁应变信号输入至组合梁损伤识别模型,得到组合梁损伤类别识别结果。本发明通过选取典型组合梁损伤工况进行测试验证,验证结果表明相较于传统组合梁损伤识别方法,显著提高了组合梁损伤检测的效率、安全性和准确率。
技术领域
本发明涉及数字信号处理技术领域,尤其涉及一种基于小波变换及残差网络的组合梁损伤识别方法及系统。
背景技术
随着桥梁结构向着大型化、智能化和高性能的方向发展,大跨度桥梁结构具有服役周期长、自然条件和负荷条件复杂、受力复杂等特点,其安全性与耐久性与社会经济发展直接相关。其中,组合梁作为大型桥梁结构最常用的结构形式,具有损伤诊断任务量大,损伤类别复杂多样。
现有的组合梁损伤识别多采用基于动力特性的识别方法,具体包括获取损伤指标,如振型、曲率、柔度、模态应变能等,再将获取的损伤指标与桥梁初始状态相关指标进行对比分析,进而判断结构是否发生损伤。该方法存在如下问题:(1)在组合梁结构形式较为复杂,部分位置不适合布置测点时,基于模态指标的损伤识别方法很难使用;(2)若没有保留结构初始状态下的相关指标,无法进行对比分析。
针对现有组合梁损伤识别技术的局限性,需要提出一种新的组合梁损伤识别方法。
发明内容
本发明提供一种基于小波变换及残差网络的组合梁损伤识别方法及系统,用以解决现有技术中针对组合梁损伤识别需要布设复杂设备,且对应识别方法过于受限于组合梁结构和相关结构指标的缺陷。
第一方面,本发明提供一种基于小波变换及残差网络的组合梁损伤识别方法,包括:
采集原始组合梁应变信号,对所述原始组合梁应变信号进行小波变换,得到应变信号时频图谱;
对所述应变信号时频图谱中的损伤类别进行标记获得样本标签,根据所述应变信号时频图谱和所述样本标签构建样本数据集;
构建深度残差网络模型,采用所述样本数据集对所述深度残差网络模型进行训练,得到组合梁损伤识别模型;
采集待检测组合梁应变信号,将所述待检测组合梁应变信号输入至所述组合梁损伤识别模型,得到组合梁损伤类别识别结果。
第二方面,本发明还提供一种基于小波变换及残差网络的组合梁损伤识别系统,包括:
采集变换单元,用于采集原始组合梁应变信号,对所述原始组合梁应变信号进行小波变换,得到应变信号时频图谱;
分类构建单元,用于对所述应变信号时频图谱中的损伤类别进行标记获得样本标签,根据所述应变信号时频图谱和所述样本标签构建样本数据集;
建立训练单元,用于构建深度残差网络模型,采用所述样本数据集对所述深度残差网络模型进行训练,得到组合梁损伤识别模型;
分类识别单元,用于采集待检测组合梁应变信号,将所述待检测组合梁应变信号输入至所述组合梁损伤识别模型,得到组合梁损伤类别识别结果。
第三方面,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于小波变换及残差网络的组合梁损伤识别方法。
本发明提供的基于小波变换及残差网络的组合梁损伤识别方法及系统,通过选取典型的组合梁损伤工况进行测试验证,验证结果表明本发明相较于传统的组合梁损伤识别方法,显著提高了组合梁损伤检测的效率、安全性和准确率,有效实现了对组合梁损伤预防和预控,降低了人力成本和工程实施成本。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北工业大学,未经湖北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310256840.3/2.html,转载请声明来源钻瓜专利网。