基于多尺度卷积神经网络的结构损伤识别研究

来源 :地震工程与工程振动 | 被引量 : 0次 | 上传用户:cloudzhu429
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了利用结构振动响应的时间多尺度特征来提升卷积神经网络识别结构损伤的能力,给出了两种用于结构损伤识别的多尺度卷积神经网络,即多尺度输入和多尺度卷积核卷积神经网络.对于多尺度输入卷积神经网络,将通过下采样和滑动平均获取的具有不同时间尺度特征的振动信号输入固定尺寸卷积核的分支卷积神经网络;对于多尺度卷积核卷积神经网络,则将相同的振动信号输入具有不同尺寸卷积核的分支卷积神经网络.然后将各个分支卷积神经网络的输出组合成多尺度特征输入全连接层进行损伤模式的识别.数值试验和振动台试验的结果表明:相比于单一尺度卷积神经网络,多尺度卷积神经网络具有更高的损伤识别精度和抗噪性;对于损伤特征相近的损伤模式具有更好的辨别能力.
其他文献
区分基于科学和基于技术两种不同的原始创新模式概念,从横向和纵向两个维度构建基于产业创新系统的高科技产业自主创新模式演化模型.以我国芯片产业为例,对其产业创新系统与自主创新模式演进历程进行回顾总结,研究发现:早期各创新主体灵活采取两种不同原始创新模式及集成创新模式,促进了产业基础发展;而在中后期,创新主体未能及时使用集成创新模式,致使本土芯片产业生态体系不够完善.由此提出我国芯片产业在未来创新发展中,一方面要加大重视原始自主创新模式的采用,各有侧重地采取基于科学和基于技术的两种不同原始自主创新模式;另一方面