【技术实现步骤摘要】
基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法
本专利技术属于结构健康监测振动数据损伤评估领域，具体涉及一种基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法。
技术介绍
建筑和桥梁的结构安全与损伤评估问题一直是国内外结构安全与防灾减灾工程领域中备受关注的难题。桥梁或建/构筑物在服役过程中由于受到车辆、行人、货物荷载以及台风、地震造成的动态极端作用，其结构内部与表面均不可避免地产生各种宏观或微观的损伤，导致结构内部材料和应力分布等发生劣化或变化。这些不可见的损伤(如裂缝、疲劳断裂等)以及其引发的结构内部变化(如材料性质、结构几何性质等)如果在早期不能及时地被发现并进行有效地修补，将会在局部产生应力集中并加剧结构损伤的发展。因此，建立便捷、高效、实用的结构损伤评估方法，实现结构的损伤状态的有效评估和正常安全使用性能的准确判断尤为重要。传统的结构评估或鉴定往往依托专业人员现场无损检测法。基于超声波检测、回弹法检测等手段，在借助专业检测设备进行关键构件判别、构件材料局部测定后，结合工程经验与结构模型...
【技术保护点】
1.一种基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法，其特征在于，包括以下步骤：/nS1，对监测结构进行建模分析并结合经验选取加速度响应监测点，根据结构的动力特性与结构激励类别在各监测点布设加速度传感器，以监测结构在特性位置、特定方向的振动加速度数据；/nS2，获取监测结构在使用中的n个分散式加速度传感器的监测数据源，记作数据源1、数据源2、…数据源n，并进行数据预处理，形成用于深度学习网络训练的数据集；/nS3，搭建适用于步骤S2所述数据集的卷积自编码深度学习网络，建立卷积自编码器，具体是：/n采用卷积自编码网络，通过卷积编码器对分散式振动数据进行扫描与特征提...
【技术特征摘要】
1.一种基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法，其特征在于，包括以下步骤：
S1，对监测结构进行建模分析并结合经验选取加速度响应监测点，根据结构的动力特性与结构激励类别在各监测点布设加速度传感器，以监测结构在特性位置、特定方向的振动加速度数据；
S2，获取监测结构在使用中的n个分散式加速度传感器的监测数据源，记作数据源1、数据源2、…数据源n，并进行数据预处理，形成用于深度学习网络训练的数据集；
S3，搭建适用于步骤S2所述数据集的卷积自编码深度学习网络，建立卷积自编码器，具体是：
采用卷积自编码网络，通过卷积编码器对分散式振动数据进行扫描与特征提取，将分散式振动数据压缩后再通过反卷积解码器实现压缩数据的重建；
选取损失函数并将步骤S2中所述数据集中的数据进行多次训练与误差传递，调整卷积自编码深度学习网络中各项权重系数，最终获得具有泛化能力并且掌握了输入数据集内在规律的深度学习网络；
S4，将海量正常使用状态中的结构监测数据按照步骤S2进行预处理，再输入卷积自编码器进行训练得到卷积自编码器深度学习网络文件；
随着日常运营期逐年增长，正常数据的数量与规模随之不断扩充，通过多次调用该网络文件进行二次训练与优化，最终得到具有广泛适应性的卷积自编码网络；
S5，针对结构在日常服役期间传感器监测的数据，首先用步骤S2方法进行预处理，再利用已训练的卷积自编码器深度学习网络，通过数据重建相关函数评估结构损伤状态。
2.根据权利要求1所述基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法，其特征在于，步骤S2中的数据预处理包括数据分割、数据归一化处理与数据随机排列，具体是：
n个加速度传感器在无损状态下监测的数据可表示为公式(1).
Und＝[u1u2...un](1)
其中，每个加速度传感器记录了Na个加速度数据，将Na条加速度数据根据采样频率划分为Ng条包含了Ns个加速度数据的振动数据信号段，即如公式(2)所示，Ns不小于采样频率；
将每条加速度数据ui,j进行归一化处理，对每个传感器所对应的Ng条加速度信号进行随机排序生成新的ui与Und，即可完成训练数据集的预处理。
3.根据权利要求1所述基于分散式振动数据和...
【专利技术属性】
技术研发人员：郭彤，张敏特，宗跃然，刘中祥，韩达光，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
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。