【技术实现步骤摘要】
基于人工智能与声发射技术的裂缝损伤定位方法以及系统
本专利技术涉及裂缝损伤定位
，具体涉及一种基于人工智能与声发射技术的桥梁裂缝损伤定位方法以及系统。
技术介绍
由于监控、检修和加固不及时，近些年来，国内外桥梁垮塌事故频繁发生。桥梁在外部荷载和环境因素等长期作用下加上先天的施工缺陷和不足，另外后期的检测、维修和加固不及时，极容易造成重大隐患安全问题，这是一个不容忽视的问题，因此，各国学者都在重点研究对重大工程及其关键结构进行长期健康监测、损伤诊断和及时预警的系统。声发射技术是一种动态无损检测技术，能够有效检测出材料中正在发展的如裂纹扩展等各种损伤形式所发出的瞬态弹性波，对可能发生的桥梁损伤进行预报，以保障结构的安全运行。目前，人们常用的声发射定位裂缝方法为时差定位法，利用多个传感器收到同一声源的时间差，传感器之间的几何关系，以及波在该材料中的传播速度等参数，运用一定的算法公式联合求解声源的具体位置。该方法存在三个缺点：(1)需要的传感器数量多，针对平面声源定位至少需要三个传感器探头，占用较多的声发射仪器...
【技术保护点】
1.一种基于人工智能与声发射技术的裂缝损伤定位方法，其特征在于，包括：/nS1、获取用于模拟裂缝声发射信号的断铅信号，并将所述断铅信号经小波分解得到包含多个小波分解图像的数据集；/nS2、将数据集中的小波分解图像划分为不同频率段图像，通过卷积神经网络的初步训练找出最优频率段图像，并根据最优频率段图像进行训练，得到初始卷积神经网络；/nS3、通过迁移学习将所述初始卷积神经网络已训练好的参数设置为迁移后的卷积神经网络的固定网络参数，重复步骤S2的流程，将获取的裂缝声发射信号送入迁移后的卷积神经网络进行训练，得到裂缝损伤识别定位模型；/nS4、基于所述裂缝损伤识别定位模型对待测裂...
【技术特征摘要】
1.一种基于人工智能与声发射技术的裂缝损伤定位方法，其特征在于，包括：
S1、获取用于模拟裂缝声发射信号的断铅信号，并将所述断铅信号经小波分解得到包含多个小波分解图像的数据集；
S2、将数据集中的小波分解图像划分为不同频率段图像，通过卷积神经网络的初步训练找出最优频率段图像，并根据最优频率段图像进行训练，得到初始卷积神经网络；
S3、通过迁移学习将所述初始卷积神经网络已训练好的参数设置为迁移后的卷积神经网络的固定网络参数，重复步骤S2的流程，将获取的裂缝声发射信号送入迁移后的卷积神经网络进行训练，得到裂缝损伤识别定位模型；
S4、基于所述裂缝损伤识别定位模型对待测裂缝进行裂缝损伤分类和定位。
2.如权利要求1所述的一种基于人工智能与声发射技术的裂缝损伤定位方法，其特征在于，步骤S1包括：
S11、利用声发射仪器采集用于模拟裂缝声发射信号的断铅信号；
S12、采用Morlet小波母函数以64尺度对所述断铅信号进行连续小波分解，得到时频域信息矩阵；
S13、基于时频域信息矩阵构建出多个小波分解图像；
S14、将多个所述小波分解图像作为数据集，并分别以60％、20％与20％的比例划分为训练集、优化集以及验证集。
3.如权利要求2所述的一种基于人工智能与声发射技术的裂缝损伤定位方法，其特征在于，所述小波分解图像的像素为1024*256。
4.如权利要求2所述的一种基于人工智能与声发射技术的裂缝损伤定位方法，其特征在于，步骤S2包括：
S21、将训练集、优化集和测试集中的小波分解图像划分为不同频率段图像，并赋予不同的标签；
S22、将训练集中的不同频率段图像送入卷积神经网络进行初步训练；
S23、利用优化集比较不同频率段图像的分类识别性能，并找出最优频率段图像和其对应的标签；
S24、提取训练集、优化集和测试集中的最优频率段图像，将训练集中的最优频率段图像送入卷积神经网络进行训练，通过测试集测试性能，得到初始卷积神经网络。
5.如权利要求4所述的一种基于人工智能与声发射技术的桥梁裂缝损伤定位方法，其特...
【专利技术属性】
技术研发人员：袁明，王烁，颜东煌，刘昀，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43
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。