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，用以解决现有技术中针对组合梁损伤识别需要布设复杂设备，且对应识别方法过于受限于组合梁结构和相关结构指标的缺陷。
[0006]第一方面，本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，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。
[0007]第二方面，本专利技术还提供一种基于小波变换及残差网络的组合梁损伤识别系统，包括：采集变换单元，用于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；分类构建单元，用于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；建立训练单元，用于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；分类识别单元，用于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。
[0008]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于小波变换及残差网络的组合梁损伤识别方法。
[0009]本专利技术提供的基于小波变换及残差网络的组合梁损伤识别方法及系统，通过选取典型的组合梁损伤工况进行测试验证，验证结果表明本专利技术相较于传统的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，有效实现了对组合梁损伤预防和预控，降低了人力成本和工程实施成本。
附图说明
[0010]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术提供的基于小波变换及残差网络的组合梁损伤识别方法的流程示意图；图2是本专利技术提供的组合梁损伤识别方法的识别流程图；图3是本专利技术提供的工字钢1/2处裂缝损伤示意图；图4是本专利技术提供的工字钢1/4处裂缝损伤示意图；图5是本专利技术提供的混凝土板1/2处裂缝损伤示意图；图6是本专利技术提供的混凝土板1/4处裂缝损伤示意图；图7是本专利技术提供的工字钢1/2处剪力钉缺失损伤示意图；图8是本专利技术提供的工字钢1/4处剪力钉缺失损伤示意图；图9是本专利技术提供的光纤光栅应变传感器测点布置图；图10是本专利技术提供的网格划分示意图；图11是本专利技术提供的基于ResNet
‑
50的残差网络模型的网络结构图；图12是本专利技术提供的不同训练批次的准确率对应的迭代次数示意图；图13是本专利技术提供的不同训练批次的准确率对应的训练批次示意图；图14是本专利技术提供的不同遍历次数的准确率对应的迭代次数示意图；图15是本专利技术提供的不同遍历次数的准确率对应的遍历次数示意图；图16是本专利技术提供的不同学习率的准确率对应的迭代次数示意图；图17是本专利技术提供的不同学习率的准确率对应的准确率示意图；图18是本专利技术提供的基于ResNet
‑
50的残差网络模型分类结果的混淆矩阵示意图；图19是本专利技术提供的基于远离损伤处数据集的ResNet
‑
50的残差网络模型分类结
果的混淆矩阵示意图；图20是本专利技术提供的基于小波变换及残差网络的组合梁损伤识别系统的结构示意图；图21是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0012]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]针对桥梁结构中需要大量运用的损伤识别技术，现有的识别方法依赖于桥梁的结构特点，还依赖于桥梁结构的原始状态，从实用性、工程实施难度以及识别的准确性来说，均不具备较强的适用性，针对上述问题，本专利技术实施例提出一种基于小波变换及残差网络的组合梁损伤识别方法，如图1所示，包括：步骤100：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；步骤200：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；步骤300：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；步骤400：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。
[0014]具体地，获得多个原始组合梁应变信号之后，对原始组合梁应变信号进行小波变换，包括依次进行小波去噪和小波时频变换，得到应变信号时频图谱，对应变信号时频图谱的损伤类别进行标记，根据标记得到的样本标签构建样本数据集，将样本数据集划分为训练集、验证集和测试集，采用深度残差网络模型作为基础模型，输入样本数据集进行模型训练，得到组合梁损伤识别模型，最后将需要检测的组合梁应变信号输入到训练好的组合梁损伤识别模型，得到最终的组合梁损伤类别识别结果，即识别损伤具体属于哪种损伤类型，整体识别流程如图2所示。
[0015]本专利技术通过选取典型的组合梁损伤工况进本文档来自技高网...

【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：