【技术实现步骤摘要】
一种基于深度学习的钢结构应变检测故障识别方法
本专利技术涉及深度学习技术及钢结构应变检测领域，尤其涉及一一种基于深度学习的钢结构应变检测故障识别方法。
技术介绍
钢结构是由钢制材料通过焊缝、螺栓或铆钉连接组成的型钢、钢桁架等构件结构，因其强度高，延展性好，且便于施工，广泛应用于各类工程领域，是机械设备、建筑结构的主体材料。钢结构是长期使用过程中，会出现如结构变形、开裂等现象，严重威胁生产安全。应变检测在不损害或不影响被检钢结构对象使用性能的前提下，作为钢结构检测的手段之一，其重要性已得到公认。通常情况下，钢结构应变检测的过程是对应变型号进行采集分析，进而生成信号图谱，辅以经验丰富的工程师进行故障诊断。此过程虽然有效，但需要依赖人工经验才能进行分析，效率低下，而且诊断结果正确与否很大程度取决于操作人员水平高低。而基于基于深度学习的钢结构应变检测故障识别方法解决和改善上述问题，保障钢结构应变检测的准确和效率。
技术实现思路
本专利技术主要针对现有
中的热点问题，提供一种基于深度学习的钢结构应变检
【技术保护点】
1.一种基于深度学习的钢结构应变检测故障识别方法，其特征包括以下步骤：/n1)将45°应变花及超声波测厚仪安装在钢结构板材表面及背面；/n2)通过应变花采集钢结构板材应变变化数据，依据应变花排列情况进行编号，并组合钢板厚度数据，提取应变检测数据序列；/n3)采集大量钢结构板材的分类故障及正常应变检测数据序列集，通过数据增广扩展为数据训练集和数据验证集；/n4)使用AlexNet网络作为钢结构应变检测故障识别模型网络对数据集进行训练，得到对应故障识别模型。/n
【技术特征摘要】
1.一种基于深度学习的钢结构应变检测故障识别方法，其特征包括以下步骤：
1)将45°应变花及超声波测厚仪安装在钢结构板材表面及背面；
2)通过应变花采集钢结构板材应变变化数据，依据应变花排列情况进行编号，并组合钢板厚度数据，提取应变检测数据序列；
3)采集大量钢结构板材的分类故障及正常应变检测数据序列集，通过数据增广扩展为数据训练集和数据验证集；
4)使用AlexNet网络作为钢结构应变检测故障识别模型网络对数据集进行训练，得到对应故障识别模型。
2.根据权利要求1所述的一种基于深度学习的钢结构应变检测故障识别方法，其特征在于，所述步骤1)将45°应变花及超声波测厚仪安装在钢结构板材表面及背面具体包括：
2.1)应变花安装在钢结构板材表面及背面，表面及背面的安装位置对称，应变片组根据安装位置进行标号，应变采集频率为512Hz，量程(0，εmax)；
2.2)补偿用温度应变片安装在应变花50cm距离范围内，与应变花同时采集，应变采集频率为512Hz；
2.3)超声波测厚仪测量被测钢结构板材板厚变化数据，与应变花同时采集，测厚仪采集频率为512Hz。
3.根据权利要求1所述的一种基于深度学习的钢结构应变检测故障识别方法，其特征在于，所述步骤2)通过应变花采集钢结构板材应变变化数据，依据应变花排列情况进行编号，并组合钢板厚度数据，提取应变检测数据序列，具体包括：
3.1)补偿用温度应变片采集补偿数据，记为ε0，应变花与补偿用应变片同时采集应变数据，记为ε1，ε2，ε3，ε4，ε5，ε6，超声波测厚仪数据记为h；
3.2)整理任意采集时间段内的应变花、补偿用应变片和测厚仪数据，组成序列数据，如下：
式中：D表示任意采集时间段内应变检测数据序列，t0，tn分别表示任意采集时间段的起点和终点。
4.根据权利要求1所述的一种基于深度学习的钢结构应变检测故障识别方法，其特征在于，所述步骤3)采集大量钢结构板材的分类故障及正常应变检测数据序列集，通过数据增广扩展为数据训练集和数据验证集具体包括：
4.1)采集大量钢结构板材的检测数据序列，检测序列数据可以是任意时间段内的；
4.2)将采集到的检测数据序列打上数据标记，数据标记分为5类；将标签结果向量化，表示成一个5维向量，向量元素分别对应正常、翘曲变形、疲劳破坏、应变集中和开裂五种应变检测结果，若对应存在记为1，...
【专利技术属性】
技术研发人员：宁文龙，李定国，王伟，童庆，周家海，皮雳，陈轩，孙建锐，
申请(专利权)人：交通运输部水运科学研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。