【技术实现步骤摘要】
本专利技术属于桥梁损伤识别，尤其涉及一种基于跨域特征提取的斜拉桥损伤识别方法、设备、存储介质及产品。
技术介绍
1、目前，斜拉桥的拉索损伤识别主要依赖于定期的人工检查和传统的非破坏性检测技术，例如磁粉检测、超声波检测等，这些方法不仅耗时耗力，而且难以发现内部或微小的损伤。随着人工智能技术的发展，基于深度学习的损伤识别方法开始被研究并应用于桥梁检测领域，然而，现有的基于深度学习的损伤识别方法通常需要大量的标注样本数据对模型进行训练，且在面对实际应用场景时，往往受限于数据分布的变化，导致识别性能下降。
2、在桥梁损伤识别的应用中，往往需要大量的带标签样本来训练一个分类模型，这个学习过程需要来自未损坏和损坏条件的大量训练数据和标签。然而，对于大型结构，例如大跨度桥梁和高层框架建筑，损坏标签的制作可能非常耗时且成本高昂。例如，中国苏通大桥使用的结构健康监测(shm)系统有785个传感器，每年产生2.5tb的测量数据；中国香港青马大桥的shm系统自1997年开始运行，至今也产生了大量的监测数据。就目前的数据处理技术而言，从海量数据中剔...
【技术保护点】
1.一种斜拉桥损伤识别方法，其特征在于，所述识别方法包括以下步骤：
2.根据权利要求1所述的斜拉桥损伤识别方法，其特征在于，对第一加速度响应信号或第二加速度响应信号进行小波变换，具体包括：
3.根据权利要求1所述的斜拉桥损伤识别方法，其特征在于，采用特征提取器对所述第一时频图或第二时频图进行图像特征提取，所述特征提取器选用移除全连接层的卷积神经网络。
4.根据权利要求1所述的斜拉桥损伤识别方法，其特征在于，构建基于流形嵌入分布对齐的迁移学习模型，具体包括：
5.根据权利要求1～4中任一项所述的斜拉桥损伤识别方法，其特征在...
【技术特征摘要】
1.一种斜拉桥损伤识别方法，其特征在于，所述识别方法包括以下步骤：
2.根据权利要求1所述的斜拉桥损伤识别方法，其特征在于，对第一加速度响应信号或第二加速度响应信号进行小波变换，具体包括：
3.根据权利要求1所述的斜拉桥损伤识别方法，其特征在于，采用特征提取器对所述第一时频图或第二时频图进行图像特征提取，所述特征提取器选用移除全连接层的卷积神经网络。
4.根据权利要求1所述的斜拉桥损伤识别方法，其特征在于，构建基于流形嵌入分布对齐的迁移学习模型，具体包括：
5.根据权利要求1～4中任一项所述的斜拉桥损伤识别方法，其特征在于，利...
【专利技术属性】
技术研发人员：鲁乃唯，崔健，罗媛，曾卫明，肖向远，刘屹儒，王磊，曾胜欢，
申请(专利权)人：长沙理工大学，
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。