基于小波变换及残差网络的组合梁损伤识别方法及系统技术方案

本发明专利技术提供一种基于小波变换及残差网络的组合梁损伤识别方法及系统，属于数字信号处理技术领域，包括：采集原始组合梁应变信号，对原始组合梁应变信号进行小波变换，得到应变信号时频图谱；对应变信号时频图谱中的损伤类别进行标记获得样本标签，根据应变信号时频图谱和样本标签构建样本数据集；构建深度残差网络模型，采用样本数据集对深度残差网络模型进行训练，得到组合梁损伤识别模型；采集待检测组合梁应变信号，将待检测组合梁应变信号输入至组合梁损伤识别模型，得到组合梁损伤类别识别结果。本发明专利技术通过选取典型组合梁损伤工况进行测试验证，验证结果表明相较于传统组合梁损伤识别方法，显著提高了组合梁损伤检测的效率、安全性和准确率。安全性和准确率。安全性和准确率。

【技术实现步骤摘要】
基于小波变换及残差网络的组合梁损伤识别方法及系统


[0001]本专利技术涉及数字信号处理
，尤其涉及一种基于小波变换及残差网络的组合梁损伤识别方法及系统。

技术介绍

[0002]随着桥梁结构向着大型化、智能化和高性能的方向发展，大跨度桥梁结构具有服役周期长、自然条件和负荷条件复杂、受力复杂等特点，其安全性与耐久性与社会经济发展直接相关。其中，组合梁作为大型桥梁结构最常用的结构形式，具有损伤诊断任务量大，损伤类别复杂多样。
[0003]现有的组合梁损伤识别多采用基于动力特性的识别方法，具体包括获取损伤指标，如振型、曲率、柔度、模态应变能等，再将获取的损伤指标与桥梁初始状态相关指标进行对比分析，进而判断结构是否发生损伤。该方法存在如下问题：（1）在组合梁结构形式较为复杂，部分位置不适合布置测点时，基于模态指标的损伤识别方法很难使用；（2）若没有保留结构初始状态下的相关指标，无法进行对比分析。
[0004]针对现有组合梁损伤识别技术的局限性，需要提出一种新的组合梁损伤识别方法。

技术实现思路

[0005]本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波变换及残差网络的组合梁损伤识别方法，其特征在于，包括：采集原始组合梁应变信号，对所述原始组合梁应变信号进行小波变换，得到应变信号时频图谱；对所述应变信号时频图谱中的损伤类别进行标记获得样本标签，根据所述应变信号时频图谱和所述样本标签构建样本数据集；构建深度残差网络模型，采用所述样本数据集对所述深度残差网络模型进行训练，得到组合梁损伤识别模型；采集待检测组合梁应变信号，将所述待检测组合梁应变信号输入至所述组合梁损伤识别模型，得到组合梁损伤类别识别结果。2.根据权利要求1所述的基于小波变换及残差网络的组合梁损伤识别方法，其特征在于，所述采集原始组合梁应变信号，对所述原始组合梁应变信号进行小波变换，得到应变信号时频图谱，包括：采集不同损伤类别的原始组合梁在激励下得到的所述原始组合梁应变信号；对所述原始组合梁应变信号进行小波去噪，得到降噪应变信号；对所述降噪应变信号进行小波时频变换，获取所述应变信号时频图谱。3.根据权利要求1所述的基于小波变换及残差网络的组合梁损伤识别方法，其特征在于，所述对所述应变信号时频图谱中的损伤类别进行标记获得样本标签，根据所述应变信号时频图谱和所述样本标签构建样本数据集，包括：将所述应变信号时频图谱划分为训练集、验证集和测试集；对所述训练集和所述验证集中的损伤类别进行标记，得到所述样本标签；基于所述样本标签将所述训练集、所述验证集和所述测试集进行分类，得到所述样本数据集；其中，所述训练集用于训练模型，所述验证集用于判断模型是否收敛，所述测试集用于评估模型泛化能力。4.根据权利要求1所述的基于小波变换及残差网络的组合梁损伤识别方法，其特征在于，所述构建深度残差网络模型，采用所述样本数据集对所述深度残差网络模型进行训练，得到组合梁损伤识别模型，包括：确定具有预设网络结构的残差网络初始模型；将所述样本数据集中的训练集输入至所述残差网络初始模型进行训练，采用所述样本数据集中的验证集调整所述残差网络初始模型的超参数直至最优，得到所述组合梁损伤识别模型。5.根据权利要求4所述的基于小波变换及残差网络的组合梁损伤识别方法，其特征在于，所述残差网络初始模型包括7个卷积层、4层残差块和1个完全连接层；所述7个卷积层和所述4层残差块之间包括1个最大池化层，所述4层残差块和所述1个完全连接层之间包括1个平均池化层。6.根据权利要求4所述的基于小波变...

【专利技术属性】
技术研发人员：黄彩萍，周永康，张承鹏，田旺源，黄子涵，李晋晋，余子行，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：