基于GoogLeNet神经网络的混凝土活动裂纹电磁辐射信号识别方法技术

本发明专利技术公开了基于GoogLeNet神经网络的混凝土活动裂纹电磁辐射信号识别方法，包括以下步骤：获取混凝土活动裂纹电磁辐射信号和环境噪声的数据集；在混凝土活动裂纹电磁辐射信号和环境噪声中选取初始样本；通过对于初始样本的线性叠加增强样本量；对扩展后的样本使用连续小波变换，构建时频域图像；构建GoogLeNet卷积神经网络，设置初始参数；对GoogLeNet卷积神经网络进行训练，通过判断损失率和准确率是否达到预期要求以及迭代次数是否达到最大要求综合判定模型求解结果；保存网络相关参数，得到基于GoogLeNet的识别混凝土活动裂纹电磁辐射信号的卷积神经网络模型；将待识别数据通过GoogLeNet卷积神经网络进行识别，并最输出识别结果。

【技术实现步骤摘要】

本专利技术属于信号识别，具体涉及基于googlenet神经网络的混凝土活动裂纹电磁辐射信号识别方法。

技术介绍

1、混凝土是桥梁、楼房和大坝等工程建筑中广泛使用的材料。然而，随结构构件的受力、变形和温度等变化，混凝土结构内部容易产生无法维持稳定的活动裂纹，导致其结构稳定面临潜在的风险与挑战。混凝土产生活动裂纹后，为分析活动裂纹的类型、成因，并评估其对结构安全性的影响，需对活动裂纹进行识别和评估。目前，超声波监测、无人机图像监测、红外监测等方法被广泛应用于混凝土活动裂纹识别和结构性能评估中。然而这些监测方法难以实现复杂结构体内部活动裂纹的监测。

2、混凝土活动裂纹产生过程中会释放电磁辐射信号，对于该电磁辐射信号进行识别即可实现对于混凝土活动裂纹的检测。然而，混凝土开裂产生的电磁辐射信号幅值小，容易被环境噪声所干扰。因此，有必要研究微弱信号处理和识别方法，提高判别成功率。常用的信号处理方法如阈值去噪、频域去噪作等，可对信号进行初步分解，但是无法反映信号频率随时间的变化特征。

技术实现思路>

1、本专利技本文档来自技高网...

【技术保护点】

1.基于GoogLeNet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，包括：以下步骤：

2.根据权利要求1所述的基于GoogLeNet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，所述S1中，所述获取混凝土活动裂纹电磁辐射信号和环境噪声包括：通过部署在混凝土结构上的电磁信号测量仪器实时采集和记录的电磁辐射信号和环境噪声。

3.根据权利要求1所述的基于GoogLeNet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，所述S2中，所述选取初始样本为混凝土开裂现场实验测试的三类电磁信号或噪声，具体为：混凝土活动裂纹电磁辐射信号、电磁辐...

【技术特征摘要】

1.基于googlenet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，包括：以下步骤：

2.根据权利要求1所述的基于googlenet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，所述s1中，所述获取混凝土活动裂纹电磁辐射信号和环境噪声包括：通过部署在混凝土结构上的电磁信号测量仪器实时采集和记录的电磁辐射信号和环境噪声。

3.根据权利要求1所述的基于googlenet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，所述s2中，所述选取初始样本为混凝土开裂现场实验测试的三类电磁信号或噪声，具体为：混凝土活动裂纹电磁辐射信号、电磁辐射突变噪声、电磁辐射稳态噪声三类，从中分别选取等量的数据作为初始样本的三组数据，组成初始样本。

4.根据权利要求3所述的基于googlenet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，所述混凝土活动裂纹电磁辐射信号是指不存在外界噪声干扰情况下采集的混凝土开裂时电磁辐射信号；电磁辐射突变噪声是指空间中幅值随时间发生突然变化的电磁噪声，电磁辐射稳态噪声是指空间中幅值不随时间发生突然变化的电磁噪声。

5.根据权利要求1所述的基于googlenet神经网络的混凝土活动裂纹电磁辐射信号识别方法，其特征在于，所述s3中，所述对于初始样本的线性叠加的处理步骤包括：对初始样本的三组数据，每组均随机选取60％；将同组内所选数据每两个组成一对，一对中两个数据分别记为数据a和数据b；将数据a每一点的值变为原来的k倍得到数据a′，数据b每一点的值变为原来的(1-k)倍得到数据b′，其中k为0至1之间的随机数；将数据a′和数据b′相加，得...

【专利技术属性】
技术研发人员：侯春尧，张洪毅，黄松岭，张敬华，谭大文，毛延翩，孔祥博，曾广栋，周益，刘德新，胡长浩，夏帆，
申请(专利权)人：三峡金沙江川云水电开发有限公司，
类型：发明
国别省市：