公开(公告)号：CN114723042B

公开(公告)日：2024-03-26

申请号：CN202210300270.9

申请日：2022-03-24

Applicant: 郑州大学

Inventor： 陈代海 ,  张云森 ,  许世展 ,  李整 ,  李银鑫 ,  房益林 ,  朱家鹏 ,  张宇 ,  杨朝旭

IPC: G06N3/084 ,  G06N3/086 ,  G06N3/047 ,  G01M5/00

Abstract: 本发明公开了一种基于优化神经网络的桥梁损伤位置和损伤程度的识别方法，步骤如下：在桥梁跨中位置处设置挠度测点，测得桥梁损伤前后主梁跨中的位移影响线并做差，得到位移影响线差曲线并求得该曲线的曲率，根据曲线的变化趋势初步定位桥梁的损伤区域；在该区域内布置传感器，获取单位荷载作用下的位移响应信号，计算其小波包能量相对变化率(RES)并绘制RES曲线，根据曲线的变化情况对桥梁损伤位置进行精确定位；采用遗传模拟退火算法对BP神经网络进行优化并训练；将桥梁结构损伤位置处的RES输入到训练好的优化BP神经网络，得到其损伤程度。本发明只需要较少传感器即可对桥梁损伤进行准确定位与定量，对桥梁的维修加固具有较大的工程应用价值。

公开(公告)号：CN117435991A

公开(公告)日：2024-01-23

申请号：CN202311372039.1

申请日：2023-10-23

Applicant: 郑州大学

Inventor： 陈代海 ,  崔华 ,  许世展 ,  李整 ,  万燕昌 ,  朱家鹏 ,  张宇 ,  杨朝旭 ,  房益林

IPC: G06F18/2415 ,  G06F18/2431 ,  G06F18/27 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G01M5/00

Abstract: 本发明公开了一种基于车桥耦合振动和深度学习的桥梁间接损伤识别方法，属于桥梁损伤识别技术领域；包括以下步骤：建立车桥耦合数值模型，并采集不同工况下的车辆竖向加速度振动信号；构建网络训练所需要的数据集；搭建单损工况下的1D‑CNN和CNN‑LSTM分类模型和回归模型，多损工况下CNN‑LSTM分类模型和回归模型；将数据集输入到搭建好的1D‑CNN和CNN‑LSTM模型，两种模型作为对比并确认单损工况下的单元损失位置和损伤程度；将数据集输入多损工况下的CNN‑LSTM分类模型和回归模型并确认多损工况下的单元损伤位置和损伤程度。本发明基于车桥耦合振动并结合深度学习的神经网路对桥梁损伤进行准确定位与定量，对桥梁的损伤识别以及之后的加固具有较大的应用价值。

公开(公告)号：CN114723042A

公开(公告)日：2022-07-08

申请号：CN202210300270.9

申请日：2022-03-24

Applicant: 郑州大学

Inventor： 陈代海 ,  张云森 ,  许世展 ,  李整 ,  李银鑫 ,  房益林 ,  朱家鹏 ,  张宇 ,  杨朝旭

IPC: G06N3/08 ,  G06N3/04 ,  G01M5/00

Abstract: 本发明公开了一种基于优化神经网络的桥梁损伤位置和损伤程度的识别方法，步骤如下：在桥梁跨中位置处设置挠度测点，测得桥梁损伤前后主梁跨中的位移影响线并做差，得到位移影响线差曲线并求得该曲线的曲率，根据曲线的变化趋势初步定位桥梁的损伤区域；在该区域内布置传感器，获取单位荷载作用下的位移响应信号，计算其小波包能量相对变化率(RES)并绘制RES曲线，根据曲线的变化情况对桥梁损伤位置进行精确定位；采用遗传模拟退火算法对BP神经网络进行优化并训练；将桥梁结构损伤位置处的RES输入到训练好的优化BP神经网络，得到其损伤程度。本发明只需要较少传感器即可对桥梁损伤进行准确定位与定量，对桥梁的维修加固具有较大的工程应用价值。