【技术实现步骤摘要】
本专利技术涉及幕墙松动检测，具体涉及基于压电阻抗法和迁移学习的幕墙松动检测方法。
技术介绍
1、随着我国国民经济的高速发展和人民生活水平的不断提高，以及建筑师设计理念的提升，建筑物越来越向高层、高档、多功能方向发展。因此建筑幕墙产品也必然向高新技术和多功能的方向发展，才能适应人们日渐增强的环保节能意识，满足市场对建筑幕墙功能的需求。
2、幕墙是建筑的外墙围护，不承重，像幕布一样挂上去，是现代大型和高层建筑常用的带有装饰效果的轻质墙体。由面板和连接结构体系组成的，可相对主体结构有一定位移能力或自身有一定变形能力。因此，对于幕墙松动的检测迫在眉睫。
3、深度学习算法中的迁移学习深度学习已经在幕墙松动的检测领域展现出了惊人的能力,但是在实际应用中,我们经常会遇到数据量不足、训练时间过长等问题。
4、迁移学习的原理迁移学习是指将已经在一个任务上学习到的知识或模型应用到另一个任务中的过程。其基本原理是通过利用源领域上学习到的知识,来帮助目标领域上的学习任务。
5、迁移学习可以分为以下几种类型：1.特征提取:将源领域上训练好的模型的中间层输岀作为特征提取器,然后在目标领域上训练新的分类器；2.微调:将源领域上训练好的模型的参数作为初始参数,在囯标领域上继续训练模型3.共享参数:将源领域和目标领域的数据同时输入模型,共享部分参数进行训练。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了基于压电阻抗法和迁移学习的幕墙松动检测方法，包括如下步
2、s1、向幕墙的采样点施加振动信号，采集经过采样点传递后的振动信号，利用傅里叶变换把获得的振动信号转变成平稳时域信号；
3、s2、对平稳时域信号进行小波变换,识别出该采样点是否振动异常；
4、s3、对于存在振动异常的采样点，设置压电耦合设备，计算压电阻抗信号的信号频率；
5、s4、基于不同振动异常的采样点处的信号频率构建信号频率归一化值阵列；
6、s5、利用迁移学习得到迁移到目标域空间中的阵列表示；
7、s6、将目标域空间中的阵列表示输入到神经网络模型进行松动情况判定。
8、进一步地，步骤s1中，利用傅里叶变换将经过采样点传递后的振动信号分割成谐波分量,
9、∫x(t)2dt＝∫|x(f)|2df；
10、其中,x(t)是t时刻的振动信号,x(f)代表由傅里叶变换后的振动信号，f为谐波分量；
11、添加时间窗函数r,则傅里叶变换时间窗内的离散的时域信号s(f)为：
12、
13、其中,n为平稳信号波数，m表示重复信号波数,ρ表示伴随时间改变而发生变化的信号参变量,f为谐波分量；
14、平稳时域信号z(f)为：
15、
16、其中，n为谐波分量的总数。
17、进一步地，步骤s2包括：
18、s21、将平稳时域信号以中心波数为中点划分成两段波数范围的信号，进行小波变换处理；
19、s22、根据划分的两段波数范围计算各自对应的能量尺度值，进行小波变换，得到两路变换信号；
20、s23、将两路变换信号进行交叉比较，识别出该采样点是否振动异常。
21、进一步地，步骤s3中，压电阻抗信号y表达式为：
22、
23、压电耦合设备与异常采样点之间采用弹簧联接，式中，kstr为弹簧刚度，θ为弹簧的倾斜角度，c是零负载电容，ω是压电阻抗信号的信号频率；kptz是阻抗仪主体材料的刚度，k31是压电耦合系数，i表示虚部。
24、进一步地，步骤s4中，获取不同振动异常的采样点p处的压电阻抗信号的信号频率为ω1，利用下式进行最大值最小值归一化，归一化值为：
25、
26、式中，re为实部；
27、将不同振动异常的采样点的归一化值转换为阵列a：
28、
29、进一步地，步骤s5中，设阵列a中的p个归一化值构成原始域的p个样本，第i个样本为令目标域有u个样本，第j个样本为βb为目标域内的信号频率，为迁移函数，计算最大差异值m：
30、
31、当最大差异值m的值最小时，得到目标域空间dt中的阵列at：
32、
33、进一步地，步骤s6中，以目标域空间中的阵列表示为输入，以松动程度对应的二进制标签为输出，以tanh为激活函数，以分类交叉熵为损失函数，训练神经网络模型。
34、相比于现有技术，本专利技术具有如下有益技术效果：
35、向幕墙的采样点施加振动信号，采集经过采样点传递后的振动信号，利用傅里叶变换把获得的振动信号转变成平稳时域信号；对平稳时域信号进行小波变换,识别出该采样点是否振动异常；对于存在振动异常的采样点，设置压电耦合设备，计算压电阻抗信号的信号频率；基于不同振动异常的采样点处的信号频率构建信号频率归一化值阵列；利用迁移学习得到迁移到目标域空间中的阵列表示；将目标域空间中的阵列表示输入到神经网络模型进行松动情况判定。解决了实际中难以获得大量样本训练神经网络的缺陷，并且准确度高，鲁棒性和泛化性好，可以对早期、微弱的幕墙松动情况进行判断。
本文档来自技高网...【技术保护点】
1.基于压电阻抗法和迁移学习的幕墙松动检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤S1中，利用傅里叶变换将经过采样点传递后的振动信号分割成谐波分量,
3.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤S2包括：
4.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤S3中，压电阻抗信号Y表达式为：
5.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤S4中，获取不同振动异常的采样点p处的压电阻抗信号的信号频率为ω1，利用下式进行最大值最小值归一化，归一化值为：
6.根据权利要求5所述的幕墙松动检测方法，其特征在于，步骤S5中，设阵列A中的p个归一化值构成原始域的p个样本，第i个样本为令目标域有u个样本，第j个样本为βB为目标域内的信号频率，为迁移函数，计算最大差异值M：
7.根据权利要求6所述的幕墙松动检测方法，其特征在于，步骤S6中，以目标域空间中的阵列表示为输入，以松动程度对应的二进制标签为输出，以tanh为激活函数，以分类交叉熵为损失
...【技术特征摘要】
1.基于压电阻抗法和迁移学习的幕墙松动检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤s1中，利用傅里叶变换将经过采样点传递后的振动信号分割成谐波分量,
3.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤s2包括：
4.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤s3中，压电阻抗信号y表达式为：
5.根据权利要求1所述的幕墙松动检测方法，其特征在于，步骤s4中，获取不同振动异常的采样点p处的压...
【专利技术属性】
技术研发人员：谢狄敏，谢津玮，章新安，程伟仙，徐子杰，
申请(专利权)人：浙江中检海德标准技术有限公司，
类型：发明
国别省市：
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。