公开(公告)号：CN113158548A

公开(公告)日：2021-07-23

申请号：CN202110294212.5

申请日：2021-03-19

Applicant: 东南大学

Inventor： 郭彤 ,  张敏特 ,  宗跃然 ,  刘中祥 ,  韩达光

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01H17/00 ,  G01P15/00

Abstract: 本发明公开了一种基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法，包括以下步骤：S1选取加速度响应监测点，在各监测点布设加速度传感器；S2获取结构在正常使用状态中n个加速度传感器的监测数据，并进行数据预处理，形成用于深度学习网络训练的数据集；S3搭建适用于步骤S2所述数据集的卷积自编码深度学习网络；S4将海量正常使用状态中的结构监测数据按照S2所述步骤进行预处理，再输入卷积自编码器进行训练得到深度学习网络文件；S5通过数据重建相关函数评估结构损伤状态。本发明无需对数据进行预分类，实现了利用实时振动监测数据即时量化结构损伤状态，并给出评分。

公开(公告)号：CN113158548B

公开(公告)日：2022-11-15

申请号：CN202110294212.5

申请日：2021-03-19

Applicant: 东南大学

Inventor： 郭彤 ,  张敏特 ,  宗跃然 ,  刘中祥 ,  韩达光

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01H17/00 ,  G01P15/00

Abstract: 本发明公开了一种基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法，包括以下步骤：S1选取加速度响应监测点，在各监测点布设加速度传感器；S2获取结构在正常使用状态中n个加速度传感器的监测数据，并进行数据预处理，形成用于深度学习网络训练的数据集；S3搭建适用于步骤S2所述数据集的卷积自编码深度学习网络；S4将海量正常使用状态中的结构监测数据按照S2所述步骤进行预处理，再输入卷积自编码器进行训练得到深度学习网络文件；S5通过数据重建相关函数评估结构损伤状态。本发明无需对数据进行预分类，实现了利用实时振动监测数据即时量化结构损伤状态，并给出评分。