-
公开(公告)号：CN114186586B
公开(公告)日：2024-08-09
申请号：CN202111490405.4
申请日：2021-12-08
Applicant: 华中科技大学
IPC: G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于二维卷积神经网络的损伤识别方法及设备，属于结构健康监测领域，包括：在预设频段内扫频，并测量各频率点处结构的电导信号；将预设频段划分为多个子频段，计算各子频段内的电导信号相对于无损伤状态下各子频段内的电导信号的偏差，将偏差最大的n个子频段作为目标频段；提取n个目标频段下的一维电导信号，将每两个一维电导信号构造为二维数据，得到预测样本；将预测样本输入已训练好的损伤识别模型，以预测得到结构当前的质量损失量，得到结构损伤状态；其中，损伤识别模型为二维卷积神经网络，用于二维数据预测结构的质量损失量。本发明能够对有差异的电阻抗信息进行精确分类和量化，实现对结构损伤的定量分析和表征。
-
公开(公告)号：CN114186624B
公开(公告)日：2024-09-10
申请号：CN202111492204.8
申请日：2021-12-08
Applicant: 华中科技大学
IPC: G06F18/2413 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于二维卷积神经网络的损伤识别模型建立方法及设备，属于结构健康监测领域，包括：基于2DCNN构建初始神经网络模型，用于根据输入的二维数据预测结构的质量损失量；构建数据集，其中的每一条样本包括结构的质量损失量，以及相应损伤状态下，由结构在n个目标频段下的一维电导数据构造而成的二维数据；将数据集划分为训练集和测试集，二维数据为输入，以相应的质量损失量为标签信息，分别利用训练集和测试集对初始神经网络模型进行训练和测试，将训练后满足测试要求的模型作为损伤识别模型。本发明所建立的模型可对阻抗数据特征自动进行学习和提取、对有差异的电阻抗信息进行精确分类和量化，有利于实现对结构损伤的定量分析和表征。
-
公开(公告)号：CN114186586A
公开(公告)日：2022-03-15
申请号：CN202111490405.4
申请日：2021-12-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于二维卷积神经网络的损伤识别方法及设备，属于结构健康监测领域，包括：在预设频段内扫频，并测量各频率点处结构的电导信号；将预设频段划分为多个子频段，计算各子频段内的电导信号相对于无损伤状态下各子频段内的电导信号的偏差，将偏差最大的n个子频段作为目标频段；提取n个目标频段下的一维电导信号，将每两个一维电导信号构造为二维数据，得到预测样本；将预测样本输入已训练好的损伤识别模型，以预测得到结构当前的质量损失量，得到结构损伤状态；其中，损伤识别模型为二维卷积神经网络，用于二维数据预测结构的质量损失量。本发明能够对有差异的电阻抗信息进行精确分类和量化，实现对结构损伤的定量分析和表征。
-
公开(公告)号：CN114186624A
公开(公告)日：2022-03-15
申请号：CN202111492204.8
申请日：2021-12-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于二维卷积神经网络的损伤识别模型建立方法及设备，属于结构健康监测领域，包括：基于2DCNN构建初始神经网络模型，用于根据输入的二维数据预测结构的质量损失量；构建数据集，其中的每一条样本包括结构的质量损失量，以及相应损伤状态下，由结构在n个目标频段下的一维电导数据构造而成的二维数据；将数据集划分为训练集和测试集，二维数据为输入，以相应的质量损失量为标签信息，分别利用训练集和测试集对初始神经网络模型进行训练和测试，将训练后满足测试要求的模型作为损伤识别模型。本发明所建立的模型可对阻抗数据特征自动进行学习和提取、对有差异的电阻抗信息进行精确分类和量化，有利于实现对结构损伤的定量分析和表征。
-
-
-
Search Results
4
records
(took 0.01 seconds)
