一种基于条件生成对抗网络的结构损伤识别方法技术

本发明专利技术公开了一种基于条件生成对抗网络的结构损伤识别方法，在训练阶段，首先通过有限元计算或现场实测得到不同荷载下结构的结构响应响应以及对应的加载条件，并基于条件生产对抗网络模型训练两个深度神经网络G和D，训练完成之后，以现场测得的结构响应响应信息输入生成网络G，得到对应的加载条件。本发明专利技术可以通过数据驱动的方式高效地识别结构损伤，将有效解决工程健康监测中难以原位实时识别结构内部损伤问题。

A method of structural damage identification based on condition generation countermeasure network

【技术实现步骤摘要】
一种基于条件生成对抗网络的结构损伤识别方法
本专利技术属于土木结构工程与计算机视觉的交叉领域，特别涉及一种基于条件生成对抗网络的结构损伤识别方法。
技术介绍
结构损伤是土木结构物运营期的结构状态监测中的重要内容，直接决定了结构的安全性、耐久性。对于长期服役的结构物，如何高效地利用结构原位响应信息实时地识别结构内部损伤对结构运营期的结构状态监测有重要意义。传统的结构损伤方法，通过建立物理模型并求解结构的控制方程，根据结构响应来得到结构损伤情况，但当结构较复杂或结构长期服役性能退化后，假设的物理模型往往不正确。随着数据分析手段的进步以及以往大量工程数据的累积，用数据驱动的方式解决工程问题已得到了广泛应用。为解决传统力学方法不能准确识别性能退化后的结构损伤的问题，本专利技术应用深度学习实现了通过结构原位响应信息实时地识别结构损伤。
技术实现思路
为了解决如何高效地利用结构原位实时响应信息识别结构内部损伤的技术问题，本专利技术提供一种基于条件生成对抗网络的结构损伤识别方法，具体步骤如下：一种基于条件生成对抗网络的结构损伤识别方法，包括以下步骤：(1)首先通过有限元计算或现场实测得到固定荷载下不同程度损伤结构的结构响应信息，并根据颜色渐变条将结构响应信息及结构损伤情况分别绘制成图像，并进行分类、整理、配对，建立样本库。(2)基于条件生成对抗网络模型，通过样本库训练两个深度神经网络：生成网络G和判断网络D。(3)将生成模型输出的结构损伤信息图像，并通过像素值标定其中的损伤值。(4)测试阶段，将现场测得的结构响应信息绘制成图像，输入步骤2中训练好的生成网络G，得到对应的结构损伤信息图像，并通过损伤信息图像中的像素值标定其中的损伤值。进一步地，在基于条件生成对抗网络的结构损伤识别方法中，结构响应信息具体可以是：应力场、应变场、位移场、内力场。进一步地，所述的步骤(1)中，得到结构响应信息的方法具体为：在不知道结构内部情况时，通过布设大量密集的应变片，测得不同荷载条件下的结构响应，通过插值法得到对应的结构响应信息；在知道结构内部情况时，通过有限元计算得到不同荷载条件下的结构响应，得到对应的结构响应信息。进一步地，所述的步骤(1)中，根据颜色渐变条将其绘制成图像的方法具体为：根据颜色渐变条jet，将每一个位置的结构响应信息和损伤信息转化为对应的像素值，并进行绘制成图片。进一步地，所述的步骤(2)中，生成网络G用来根据结构响应信息生成结构损伤信息，判断网络D用来区分输入的损伤信息是来自生成网络G还是真实的损伤信息，所述的条件生成对抗网络以结构响应信息为条件，其目标函数为：其中，x来自数据库内的结构损伤图像，y表示结构响应信息；V(D,G)表示博弈问题中的价值函数，即需要优化的目标函数；x～pdata(x)表示x服从数据库内结构损伤图像分布pdata，表示在pdata分布下求期望；x～pz(z)表示x服从先验分布pz，pz为[-1,1]内的均匀分布，即z为[-1，1]内随机采样的向量，表示在pz分布下求期望；D(x|y)表示输入x在结构响应信息控制参数y的条件下经过判断网络D的输出；G(z|y)表示输入向量z在结构响应信息控制参数y的条件下经过生成网络G的输出图像；D(G(z|y))表示G(z|y)经过判断网络D的输出。进一步地，所述的步骤(2)中，采用的生成网络G是一个U型网络，包含Encode和Decode两部分，Encode部分是一个卷积神经网络，通过八个卷积层从结构响应信息的图片中提取出特征，Decode部分是一个反卷积神经网络，通过八个反卷积层将Encode部分提取出的特征生成出结构损伤信息的图片。进一步地，所述的步骤(2)中，采用的判断网络D中，首先将结构响应信息的图片(条件)及生成的结构损伤信息图片拼接在一起，再通过五个卷积层和一个全连接层的网络，最后得到判断网络D的输出。进一步地，所述的步骤(3)中，标定G模型生产的结构损伤信息图像中结构损伤信息的方法具体为：根据颜色渐变条jet，将每一个位置的像素值转化为对应的损伤值。本专利技术的有益效果是：本专利技术应用深度学习能高效地识别结构损伤，将有效解决传统力学方法不能准确识别性能退化后的结构损伤的问题，进一步提高了土木工程结构运营期的结构状态监测的精度。同时得益于计算机视觉的发展，本专利技术的计算速度远远快于传统方法，因此可以根据结构原位实时响应信息，实现土木工程结构的实时损伤识别。此外，结构损伤识别具有不适定性的特点，即在测试荷载下一个结构响应对应对多种结构损伤的，本专利技术中通过建立样本库，以数据驱动的方式识别结构损伤，可以将出现损伤类型的概率包含在计算过程中，能在最大程度上减小根据原位结构响应实时识别损伤时的不适定性。综上所述，本专利技术能从识别精度、计算效率以及不适定三个方面改进了土木工程结构运营期的损伤识别。附图说明图1是条件生成对抗网络整体结构示意图；图2是生成网络G网络结构图；图3是判断网络D网络结构图；图4是包含结构响应信息的样本图片；图5是包含结构损伤信息的样本图片；图6是输入结构响应信息后结构损伤识别的效果图，其中图6(a)是结构应力场云图，图6(b)是深度学习识别的损伤，图6(c)是真实的结构损伤。具体实施方式下面根据附图和优选实施例详细描述本专利技术，本专利技术的目的和效果将变得更加明白。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种基于条件生成对抗网络的结构损伤识别方法，应用了深度学习领域中的最新算法条件生成对抗网络，条件生成对抗网络被证明能高效地处理图像并生成图像。本专利技术应用深度学习领域中最新算法，能高效地识别结构损伤。具体步骤如下：(1)首先通过有限元计算或现场实测得到固定荷载下含不同程度损伤结构的结构响应信息，并根据测控条将结构响应信息及损伤信息分别绘制成图像，并进行分类、整理、配对，建立样本库。除应力场之外的结构响应信息具体可以是：应变场、位移场、内力场。而得到结构完整信息场的方法具体为：①在不知道结构内部情况时，通过布设大量密集的应变片，测得不同荷载条件下的结构响应，通过插值法得到对应的完整结构响应信息；②在知道结构内部情况时，通过有限元计算得到不同荷载条件下的结构响应，得到对应的完整结构响应场信息。本次实施案例通过有限元计算得到3000组训练样本(如图4，图5所示)，并通过薄板加载实验得到含100个应变信息的验证样本50组。同时根据颜色渐变条jet，将每一个位置的结构响应信息转化为对应的像素值，并进行绘制成图片，并对图片进行归一化处理。(2)基于条件生成对抗网络模型，通过样本库训练两个深度神经网络：生成网络G和判断网络D。生成对抗网络(GAN)由G和D两个深度神经网络构成。生成网络G用来根据结构响应信息生成损伤信息，判断网络D用来区分输入的损伤信息本文档来自技高网...

【技术保护点】
1.一种基于条件生成对抗网络的结构损伤识别方法，其特征在于，包括以下步骤：/n(1)首先通过有限元计算或现场实测得到固定荷载下不同损伤结构的结构响应信息，根据颜色渐变条将结构响应信息及结构损伤信息分别绘制成图像，并进行分类、整理、配对，建立样本库。/n(2)基于条件生成对抗网络模型，通过样本库训练两个深度神经网络：生成网络G和判断网络D；/n(3)将生成模型输出的结构损伤信息图像，并通过像素值标定其中的损伤值。/n(4)测试阶段，将现场测得的结构响应信息绘制成图像，输入步骤(2)中训练好的生成网络G，得到对应的结构损伤信息图像，并通过结构损伤信息图像中的像素值标定其中的损伤值。/n

【技术特征摘要】
1.一种基于条件生成对抗网络的结构损伤识别方法，其特征在于，包括以下步骤：
(1)首先通过有限元计算或现场实测得到固定荷载下不同损伤结构的结构响应信息，根据颜色渐变条将结构响应信息及结构损伤信息分别绘制成图像，并进行分类、整理、配对，建立样本库。
(2)基于条件生成对抗网络模型，通过样本库训练两个深度神经网络：生成网络G和判断网络D；
(3)将生成模型输出的结构损伤信息图像，并通过像素值标定其中的损伤值。
(4)测试阶段，将现场测得的结构响应信息绘制成图像，输入步骤(2)中训练好的生成网络G，得到对应的结构损伤信息图像，并通过结构损伤信息图像中的像素值标定其中的损伤值。


2.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，结构响应信息具体可以是：应力场、应变场、位移场、内力场等。


3.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，其特征在于，所述的步骤1中，得到结构响应信息的方法具体为：
在不知道结构内部情况时，通过布设大量密集的应变片，测得不同荷载条件下的结构响应，通过插值法得到对应的完整结构响应信息；
在知道结构内部情况时，通过有限元计算得到同一荷载条件下的不同损伤结构的响应，得到对应的完整结构响应信息。


4.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，其特征在于，所述的步骤(1)中，根据颜色渐变条将其绘制成图像的方法具体为：根据颜色渐变条jet，将每一个位置的结构响应信息或损伤大小转化为对应的像素值，并进行绘制成图片。


5.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，其特征在于，所述的步骤(2)中，生成网络G用来根据结构响应信息识别结构损伤，判断网络D用来区分输入的结构损伤信息是...

【专利技术属性】
技术研发人员：张鹤，徐诚侃，林仁炜，周煜辉，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33