[發明專利]基于深度極限學習機的結構損傷識別方法及系統

在審

• 申請號: 202210094937.4
• 申請日: 2022-01-26
• 公開（公告）號: CN114462127A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 梁辰;張淏;解冰;馬嵐;劉朝澤;李竹涵
• 申請（專利權）人: 梁辰
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06K9/00;G06K9/62;G06N3/00;G06N3/08
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 文驪鹍

1.一種基于深度極限學習機的結構損傷識別方法，其特征在于，包括以下步驟：

獲取待測建筑結構的損傷數據并進行預處理；

將訓損傷數據輸入深度極限學習機模型，并對深度極限學習機模型的超參數自適應尋優，得到訓練后的深度極限學習機模型；

采用十折交叉驗證來檢驗訓練后深度極限學習機模型損傷識別的精度和魯棒性，如果不滿足設定要求，則重新對深度極限學習機模型進行超參數優化，直到滿足結構損傷識別的精度要求，得到深度極限學習機損傷識別模型；

采用深度極限學習機損傷識別模型識別建筑結構的損傷位置。

2.根據權利要求1所述的一種基于深度極限學習機的結構損傷識別方法，其特征在于，在待測建筑結構的損傷處設置加速度傳感器，測量各損傷處的加速度時程數據，得到損傷數據。

3.根據權利要求1所述的一種基于深度極限學習機的結構損傷識別方法，其特征在于，所述預處理方法為，對損傷數據進行降噪和歸一化處理。

4.根據權利要求3所述的一種基于深度極限學習機的結構損傷識別方法，其特征在于，采用希爾伯特黃變換方法對損傷數據進行降噪處理。

5.根據權利要求3所述的一種基于深度極限學習機的結構損傷識別方法，其特征在于，使用希爾伯特黃變換提取損傷數據的基本分量，并提取損傷信號各IMF分量的能量特征，并將各損傷信號的損傷程度和損傷位置作為標簽，與損傷信號各IMF分量的能量特征組成特征向量。

6.根據權利要求1所述的一種基于深度極限學習機的結構損傷識別方法，其特征在于，采用粒子群優化算法對深度極限學習機模型的超參數進行自適應尋優。

7.根據權利要求1所述的一種基于深度極限學習機的結構損傷識別方法，其特征在于，還包括以下步驟，采用獲取的新的損傷數據對深度極限學習機損傷識別模型進行更新，提升損傷識別精度。

8.一種基于深度極限學習機的結構損傷識別系統，其特征在于，包括：

信號采集模塊，用于獲取待測建筑結構的損傷數據并進行預處理；

模型訓練模塊，用于將損傷數據輸入深度極限學習機模型，并對深度極限學習機模型的超參數自適應尋優，得到訓練后的深度極限學習機模型；

優化訓練模塊，用于采用十折交叉驗證來檢驗訓練后深度極限學習機模型損傷識別的精度和魯棒性，如果不滿足設定要求，則重新對深度極限學習機模型進行超參數優化，直到滿足結構損傷識別的精度要求，得到深度極限學習機損傷識別模型；

輸出模塊，用于通過深度極限學習機損傷識別模型得到建筑結構的損傷位置。

9.一種終端設備，其特征在于，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現權利要求1至7任一項所述基于深度極限學習機的結構損傷識別方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7任一項所述基于深度極限學習機的結構損傷識別方法的步驟。