【技术实现步骤摘要】
本专利技术涉及结构损伤识别，尤其涉及基于数据融合和一维卷积神经网络的结构损伤识别方法。
技术介绍
1、随着深度学习的兴起，为高效处理大数据提供了新的手段和希望，其中卷积神经网络(convolution neural network,简称cnn)作为深度神经网络的一种，在图像分类与识别、目标定位与检测和损伤状态识别中展现了超强能力，cnn与振动信号结合的损伤识别方法也被广泛研究。近些年相关研究表明其在结构健康监测领域研究中也展现了出色的能力，在桥梁、高层建筑、海上风机、高桩码头、钢框架结构等重要结构健康监测技术中起到了重要作用。
2、在识别阶段，采集结构新的响应数据，利用训练后的神经网络模型预测其结构损伤，但即使非常优秀的神经网络模型也无法完全准确识别结构发生的损伤，都会存在一定缺陷。在环境干扰、传感器不稳定性等因素影响下，部分振动信号的基本特性容易被改变，从而存在结构损伤误判的可能性。
技术实现思路
1、本专利技术提供一种基于数据融合和一维卷积神经网络的结构损伤识别方法，以克服...
【技术保护点】
1.基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，S2中，通过滑动窗口的方式对所述训练集和测试集进行数据增强处理的过程为：
3.根据权利要求2所述的基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，S1中，对所述原始数据集进行归一化处理的计算公式为：
4.根据权利要求3所述的基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，S3中，所述特征提取模块包括依次连接的三个结构相同的特征提取块；每一特...
【技术特征摘要】
1.基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，s2中，通过滑动窗口的方式对所述训练集和测试集进行数据增强处理的过程为：
3.根据权利要求2所述的基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，s1中，对所述原始数据集进行归一化处理的计算公式为：
4.根据权利要求3所述的基于数据融合和一维卷积神经网络的结构损伤识别方法，其特征在于，s3中，所述特征提取模块包括依次连接的三个结构相同的特征提取块；每一特征提取块包括一维卷积层、bn层和池化层，所述一维卷积层用于提取输入数据的表征损伤的特征，并传输给所述bn层，所述bn层用于对输入数据进行批量归一化处理，并传输给所述池化层，所述池化层用于降低输入数据的维度；
【专利技术属性】
技术研发人员：李晓飞，许烺星，国海楠，洪佳飞，邹铮，张立晓，战庆亮，
申请(专利权)人：大连海事大学，
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。