一种基于CAE-LSTM的无监督结构损伤识别方法技术

本发明专利技术涉及结构损伤识别技术领域，具体涉及一种基于CAE‑LSTM的无监督结构损伤识别方法。方法包括：利用训练集对CAE‑LSTM模型进行训练获得训练好的模型，利用训练好的模型对包含健康数据和损伤数据的未知数据进行重构，获得健康数据的重构误差和损伤数据的重构误差；结合未损伤结构的每个批次的加速度响应信号中健康数据的概率密度函数、损伤数据的概率密度函数和重构误差，确定每个批次的加速度响应信号的损伤敏感度因子，进而确定损伤阈值，筛选损伤位置；根据损伤位置传感器的健康状态数据和损伤状态数据，获得损伤因子；基于损伤因子的大小判断损伤程度。本发明专利技术提高了结构损伤识别结果的准确精度和可靠性。

【技术实现步骤摘要】

本专利技术涉及结构损伤识别，具体涉及一种基于cae-lstm的无监督结构损伤识别方法。

技术介绍

1、目前，无监督学习被广泛应用于结构健康监测领域，利用不同的无监督学习方法，如自编码器、变分自编码器、k-means聚类等，检测到结构中的损伤并进行初步分析。但是这些方法存在定位精度不足、无法量化损伤程度的问题。

技术实现思路

1、为了解决现有方法在识别结构损伤时存在定位精度不足、无法量化损伤程度的问题，本专利技术的目的在于提供一种基于cae-lstm的无监督结构损伤识别方法，所采用的技术方案具体如下：

2、本专利技术提供了一种基于cae-lstm的无监督结构损伤识别方法，该方法包括以下步骤：

3、利用训练集对cae-lstm模型进行训练获得训练好的模型，所述训练集由结构在健康状态下的加速度响应信号构成；

4、利用所述训练好的模型对包含健康数据和损伤数据的未知数据进行重构，获得健康数据的重构误差和损伤数据的重构误差；

5、结合未损伤结构的每个批次的加速度响应信号中健本文档来自技高网...

【技术保护点】

1.一种基于CAE-LSTM的无监督结构损伤识别方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种基于CAE-LSTM的无监督结构损伤识别方法，其特征在于，所述CAE-LSTM模型的CAE部分包含多个卷积层，每个卷积层通过不同大小的卷积核提取信号的多尺度空间特征。

3.根据权利要求1所述的一种基于CAE-LSTM的无监督结构损伤识别方法，其特征在于，所述健康数据的重构误差和损伤数据的重构误差，包括：

4.根据权利要求1所述的一种基于CAE-LSTM的无监督结构损伤识别方法，其特征在于，所述结合未损伤结构的每个批次的加速度响应信号中健康...

【技术特征摘要】

1.一种基于cae-lstm的无监督结构损伤识别方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种基于cae-lstm的无监督结构损伤识别方法，其特征在于，所述cae-lstm模型的cae部分包含多个卷积层，每个卷积层通过不同大小的卷积核提取信号的多尺度空间特征。

3.根据权利要求1所述的一种基于cae-lstm的无监督结构损伤识别方法，其特征在于，所述健康数据的重构误差和损伤数据的重构误差，包括：

4.根据权利要求1所述的一种基于cae-lstm的无监督结构损伤识别方法，其特征在于，所述结合未损伤结构的每个批次的加速度响应信号中健康数据的概率密度函数、损伤数据的概率密度函数和所述重构误差，确定每个批次的加速度响应...

【专利技术属性】
技术研发人员：康帅，王梦倩，丁亚芃，俞叶，于双双，董正方，赵铁军，
申请(专利权)人：河南大学，
类型：发明
国别省市：