[发明专利]一种基于应变振型和深度学习的结构损伤识别方法有效
| 申请号： | 201910804112.5 | 申请日： | 2019-08-28 |
| 公开（公告）号： | CN110598282B | 公开（公告）日： | 2023-05-23 |
| 发明（设计）人： | 陈贡发;徐潇健 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F30/23 | 分类号： | G06F30/23;G06F30/27;G06F30/13;G06N3/0499;G06N3/08;G06T7/00;G06T7/60;G01B11/16;G06F119/14 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 杨晓松 |
| 地址： | 510062 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应变振型和深度学习的结构损伤识别方法，包括步骤：S1.建立与实际结构一样的模型；S2.设置多种损伤工况进行模态分析，收集各个工况第一阶应变振型；S3.把工况和第一阶应变振型分别作为输出和输入来训练神经网络；S4.采集得到实际结构在激励下的应变时程曲线以及力的时程曲线；S5.对采集到的应变时程和力的时程曲线进行傅里叶变换，得到应变频响函数，提取振动模态信息，包括有应变振型；S6.将实际结构中测得的应变振型输入进训练好的神经网络，得到结构损伤位置和损伤程度。本发明能识别多损时损伤程度和损伤位置，具有较高识别灵敏度，能解决大型桥梁结构传感器难以布置和信号接受的问题。 | ||
| 搜索关键词： | 一种 基于 应变 深度 学习 结构 损伤 识别 方法 | ||
【主权项】：
1.一种基于应变振型和深度学习的结构损伤识别方法，其特征在于，包括以下步骤：/nS1.采用有限元分析软件建立与实际结构一样的模型；/nS2.设置多种损伤工况进行模态分析，收集各个工况第一阶应变振型；/nS3.把工况和第一阶应变振型分别作为输出和输入来训练神经网络；/nS4.通过无人机、高速摄像机、力传感器、动态信息采集仪、笔记本电脑配合采集得到实际结构在激励下的应变时程曲线以及力的时程曲线；/nS5.对采集到的应变时程和力的时程曲线进行傅里叶变换，得到应变频响函数，提取振动模态信息，包括频率、模态质量、模态刚度、应变振型；/nS6.将实际结构中测得的应变振型输入进训练好的神经网络，最终预测得到结构损伤位置和损伤程度。/n
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/201910804112.5/，转载请声明来源钻瓜专利网。
