[发明专利]一种基于卷积神经网络的结构损伤程度识别方法在审
| 申请号： | 201910402301.X | 申请日： | 2019-05-14 |
| 公开（公告）号： | CN110276743A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 陈贡发;腾帅 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的结构损伤程度识别方法，包括以下步骤：S1：构建简支梁结构并根据简支梁结构采集训练样本数据，所述简支梁结构包括N个单元，每个单元具有不同的模态应变能，所述训练样本数据包括每个单元的模态应变能；S2：根据每个单元的模态应变能构造输入矩阵；S3：根据输入矩阵，构建卷积神经网络的模型；S4：利用包括每个单元的模态应变能的训练样本数据训练卷积神经网络并保存训练好的卷积神经网络；S5：利用训练好的卷积神经网络对未知的简支梁结构损伤进行预测。本发明利用卷积神经网络权值共享的方法，减少计算参数，计算速度很快，对于大型结构的应用有着积极的意义。 | ||
| 搜索关键词： | 卷积神经网络 简支梁 应变能 模态 训练样本数据 结构损伤 程度识别 输入矩阵 构建 大型结构 计算参数 采集 保存 共享 预测 应用 | ||
【主权项】：
1.一种基于卷积神经网络的结构损伤程度识别方法，其特征在于，包括以下步骤：S1：构建简支梁结构并根据简支梁结构采集训练样本数据，所述简支梁结构包括N个单元，每个单元具有不同的模态应变能，所述训练样本数据包括每个单元的模态应变能；S2：根据每个单元的模态应变能构造输入矩阵；S3：根据输入矩阵，构建卷积神经网络的模型，所述输入矩阵为卷积神经网络的输入，卷积神经网络的输出为预测的简支梁结构的损伤程度；S4：利用包括每个单元的模态应变能的训练样本数据训练卷积神经网络并保存训练好的卷积神经网络；S5：利用训练好的卷积神经网络对未知的简支梁结构损伤进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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广东工业大学，未经广东工业大学许可，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/patent/201910402301.X/，转载请声明来源钻瓜专利网。
