[發(fā)明專利]基于總體經(jīng)驗(yàn)?zāi)B(tài)分解與卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別法

有效

• 申請?zhí)枺?/td>: 201910099951.1
• 申請日: 2019-01-31
• 公開（公告）號(hào): CN109946389B
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 刁延松;王玉梅;劉秀麗;劉蕓
• 申請（專利權(quán)）人: 青島理工大學(xué)
• 主分類號(hào): G01N29/46
• 分類號(hào): G01N29/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島清泰聯(lián)信知識(shí)產(chǎn)權(quán)代理有限公司 37256
• 代理人: 李祺;張玲

1.基于總體經(jīng)驗(yàn)?zāi)B(tài)分解與卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別法，其特征在于，包括以下步驟：

步驟1：測得結(jié)構(gòu)加速度響應(yīng)信號(hào)x(t)；

步驟2：利用總體經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)對加速度響應(yīng)x(t)進(jìn)行分解，得到一系列固有模態(tài)函數(shù)IMF；

步驟3：對步驟2得到的固有模態(tài)函數(shù)IMF進(jìn)行傅里葉變換得到其頻譜特性，選擇含有結(jié)構(gòu)自振頻率的固有模態(tài)函數(shù)IMF進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)z(t)；

步驟4：對步驟3得到的重構(gòu)信號(hào)z(t)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化重構(gòu)信號(hào)Z(t)，將標(biāo)準(zhǔn)化重構(gòu)信號(hào)Z(t)分為多段長度一定的子信號(hào)，選取子信號(hào)中的部分信號(hào)作為訓(xùn)練樣本，剩余部分信號(hào)作為測試樣本；

步驟5：將步驟4得到的訓(xùn)練樣本輸入一維卷積神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，訓(xùn)練過程中采用交叉熵?fù)p失函數(shù)作為損失函數(shù)，采用Adam優(yōu)化算法作為優(yōu)化算法；

其中，所述一維卷積神經(jīng)網(wǎng)絡(luò)模型包括依次連接的輸入層、第一卷積層、第一批量歸一化層、第一池化層、第二卷積層、第二批量歸一化層、第二池化層、第一全連接層、第二全連接層和輸出層；其中，所述第一卷積層和第二卷積層均含有16個(gè)大小為10×1的卷積核，所述第一池化層和第二池化層的池化窗口大小均為2×1；

所述一維卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練包括交替進(jìn)行的前向傳播訓(xùn)練和反向傳播訓(xùn)練，直至網(wǎng)絡(luò)收斂或所述前向傳播訓(xùn)練的輸出結(jié)果與設(shè)定的輸出結(jié)果之間的誤差值達(dá)到指定的迭代終止條件；

所述前向傳播訓(xùn)練步驟包括：將步驟4得到的訓(xùn)練樣本從所述輸入層中輸入，所述第一卷積層對輸入的訓(xùn)練樣本進(jìn)行處理得到初次處理特征圖，所述初次處理特征圖傳送至所述第一批量歸一化層進(jìn)行歸一化處理，歸一化處理后傳送至所述第一池化層進(jìn)行池化處理，得到初次采樣特征圖；所述初次采樣特征圖傳送至所述第二卷積層進(jìn)行處理，得到二次處理特征圖，所述二次處理特征圖傳送至所述第二批量歸一化層進(jìn)行歸一化處理，歸一化處理后傳送至所述第二池化層進(jìn)行池化處理，得到二次采樣特征圖；所述二次采樣特征圖依次傳送至所述第一全連接層和第二全連接層進(jìn)行處理，處理后傳送至所述輸出層，所述輸出層對處理后的二次采樣特征圖進(jìn)行分類并輸出損傷位置的分類向量；

所述反向傳播訓(xùn)練步驟包括：將所述前向傳播訓(xùn)練的輸出結(jié)果與設(shè)定的輸出結(jié)果的誤差值按照所述前向傳播訓(xùn)練的反向回傳，得到每層的誤差值，利用Adam優(yōu)化算法調(diào)整所述一維卷積神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)；

步驟6：將步驟4得到的測試樣本輸入到步驟5訓(xùn)練好的一維卷積神經(jīng)網(wǎng)絡(luò)模型中，得到損傷位置的識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于總體經(jīng)驗(yàn)?zāi)B(tài)分解與卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別法，其特征在于：所述步驟4中，采用標(biāo)準(zhǔn)化處理公式對所述重構(gòu)信號(hào)z(t)進(jìn)行標(biāo)準(zhǔn)化處理，所述標(biāo)準(zhǔn)化處理公式的表達(dá)式為：

式中，Z(t)為標(biāo)準(zhǔn)化重構(gòu)信號(hào)；z(t)為重構(gòu)信號(hào)；μ為重構(gòu)信號(hào)的平均值；σ為重構(gòu)信號(hào)的方差。