欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024110925568
申请人: 长沙理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种缆索承重桥梁结构损伤识别方法,其特征在于,所述识别方法包括:构建样本数据集;其中,所述样本数据集中的每个样本数据包括输入量和输出量,所述输入量为拼接图像,所述输出量为拼接图像的损伤工况;所述拼接图像由主梁的加速度响应信号和拉索的加速度响应信号分别转换为时频域图像后拼接得到;

构建损伤识别模型;其中,所述损伤识别模型包括依次连接的输入层、初始卷积层、最大池化层、第一组合层、第二组合层、第三组合层、第四组合层、第一全局平均池化层、第一全连接层以及输出层;所述初始卷积层具有6个输入通道;每个组合层均包括依次连接的卷积块、SE注意力机制和残差块;

利用所述样本数据集对所述损伤识别模型进行训练和验证,得到目标损伤识别模型;

获取主梁和拉索的实际加速度响应信号;

将所述主梁和拉索的实际加速度响应信号分别转化为时频域图像,然后对主梁和拉索的时频域图像进行拼接,得到实际拼接图像;

利用所述目标损伤识别模型对所述实际拼接图像进行损伤识别。

2.根据权利要求1所述的缆索承重桥梁结构损伤识别方法,其特征在于,通过现场试验构建样本数据集,具体包括:搭建缆索承重桥梁试验模型,在所述缆索承重桥梁试验模型的主梁上设置第一传感器,在所述缆索承重桥梁试验模型的拉索上设置第二传感器;

在所述缆索承重桥梁试验模型上模拟不同的损伤工况,利用第一传感器采集不同损伤工况下主梁的加速度响应信号,利用第二传感器采集不同损伤工况下拉索的加速度响应信号;

对不同损伤工况下主梁和拉索的加速度响应信号进行预处理;

将预处理后的主梁和拉索的加速度响应信号转化为时频域图像;

对同一损伤工况下主梁和拉索的时频域图像进行拼接,得到拼接图像;

根据所述拼接图像及其所属损伤工况构建所述样本数据集。

3.根据权利要求1所述的缆索承重桥梁结构损伤识别方法,其特征在于,所述损伤工况包括损伤位置、车辆速度、车辆质量以及损伤程度;所述车辆速度为0.5m/s、0.75m/s或1m/s,所述车辆质量为5kg、10kg或20kg;对拉索按照从右至左的顺序编号;

第一种损伤工况:无损伤,不同车辆速度与不同车辆质量的组合;

第二种损伤工况:第一根拉索损伤,不同车辆速度与不同车辆质量的组合,损伤程度为10%、20%或50%;

第三种损伤工况:第三根拉索损伤,不同车辆速度与不同车辆质量的组合,损伤程度为10%、20%或50%;

第四种损伤工况:第六根拉索损伤,不同车辆速度与不同车辆质量的组合,损伤程度为10%、20%或50%;

第五种损伤工况:第一根和第四根拉索损伤,不同车辆速度与不同车辆质量的组合,损伤程度为10%、20%或50%;

第六种损伤工况:第五根和第六根拉索损伤,不同车辆速度与不同车辆质量的组合,损伤程度为10%、20%或50%。

4.根据权利要求1或2所述的缆索承重桥梁结构损伤识别方法,其特征在于,利用S变换实现时频域图像的转换,具体公式为:其中,S(τ,f)表示时频域图像,x(t)表示加速度响应信号,ω(τ-t,f)表示高斯窗函数,t表示时间,τ表示高斯窗在时间轴t上的位置,f表示加速度响应信号的频率,i表示虚部符号。

5.根据权利要求1所述的缆索承重桥梁结构损伤识别方法,其特征在于,所述卷积块包括依次连接的第一卷积层、第一激活层、第二卷积层、第二激活层、第三卷积层以及批归一化层;

所述第一组合层的残差块数量为2,所述第二组合层的残差块数量为3,所述第三组合层的残差块数量为5,所述第四组合层的残差块数量为2;每个所述残差块包括依次连接的第四卷积层、第三激活层、第五卷积层、第四激活层和第六卷积层。

6.根据权利要求1所述的缆索承重桥梁结构损伤识别方法,其特征在于,所述SE注意力机制包括依次连接的第二全局平均池化层、第二全连接层、第三全连接层以及重加权层。

7.根据权利要求1所述的缆索承重桥梁结构损伤识别方法,其特征在于,利用所述样本数据集对所述损伤识别模型进行训练,包括:利用所述初始卷积层对输入层接收到的拼接图像进行特征提取,得到第一特征图;

利用所述最大池化层对所述第一特征图进行最大池化,得到第二特征图;

利用所述第一组合层对所述第二特征图进行特征提取,得到第三特征图;

利用所述第二组合层对所述第三特征图进行特征提取,得到第四特征图;

利用所述第三组合层对所述第四特征图进行特征提取,得到第五特征图;

利用所述第四组合层对所述第五特征图进行特征提取,得到第六特征图;

利用第一全局平均池化层对所述第六特征图进行全局平均池化,得到单一特征;

利用第一全连接层对所述单一特征进行展平,并映射到分类空间,得到预测的损伤类别;

根据预测的损伤类别与所述拼接图像的损伤工况计算损失值,根据所述损失值调整所述损伤识别模型的参数,直到达到训练次数或损失值小于设定的损失精度。

8.一种电子设备,包括存储器、处理器以及存储在存储器上的计算机程序/指令,其特征在于,所述处理器执行所述计算机程序/指令以实现如权利要求1~7中任一项所述的缆索承重桥梁结构损伤识别方法。

9.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1~7中任一项所述的缆索承重桥梁结构损伤识别方法。

10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1~7中任一项所述的缆索承重桥梁结构损伤识别方法。