公共文化服务平台

搜索到5965篇“ 结构损伤识别“的相关文章

一种基于深度学习的多层次复合结构损伤识别方法及系统: 本发明公开了一种基于深度学习的多层次复合结构损伤识别方法及系统，涉及结构健康监测领域，该方法包括：基于结构损伤数据集依次构建一级损伤识别模型和二级损伤识别模型；基于训练完成后的一级损伤识别模型，对结构损伤数据集中的图像数...; 王杰惠李勇张凤亮龚贵清马立平

基于直接分析法的单层网壳结构损伤识别方法及系统: 本发明公开了一种基于直接分析法的单层网壳结构损伤识别方法及系统，方法包括：S1、根据网壳结构数值构建数值模型，将网壳关键构件作为单元分析确定分布位置，并对每个单元初步布置监测传感器测点；S2、根据监测数据更新数值模型，对...; 白睿张营营马会环张志坚吴东杭陈柏森

一种装配式桥梁结构损伤识别方法及系统: 本发明提供一种装配式桥梁结构损伤识别方法及系统，涉及桥梁结构技术领域，具体步骤包括：首先获取装配段节段梁间连接点的图像，并将其缩放至224x224像素，进行灰度化处理；然后使用Sobel算子计算图像梯度，并进行阈值边缘检...; 何伟何容戴东利姜文恺

基于改进的模态应变能和DBO-BP神经网络的结构损伤识别方法: 2025年; 损伤识别是结构健康监测的重要环节之一.为了进一步提高损伤识别效率和精度,提出了基于改进的模态应变能指标和DBO-BP(Dung Beetle Optimization-Back Propagation)神经网络的两阶段结构损伤识别方法.首先采用改进的归一化模态应变能损伤指标进行结构的损伤定位分析,然后以结构的平均单元模态应变能变化率为输入参数,损伤单元刚度折减系数为输出参数,利用最优拉丁超立方方法改进后的蜣螂优化算法(Dung Beetle Optimization,DBO)优化BP(Back Propagation)神经网络权值和阈值,进行结构的损伤定量分析.以混凝土板结构和平面刚架结构作为算例进行损伤识别验证.结果表明,该方法损伤位置定位准确,损伤程度计算效率高,并且识别误差减小到了0.4%,损伤识别效果好.; 杨海军马磊徐永智于聪; 关键词：损伤识别

基于演化机理分析的大型钢结构损伤识别方法及系统: 本发明属于大型钢结构健康状态监测领域，提供了基于演化机理分析的大型钢结构损伤识别方法及系统，其技术方案为分析荷载和环境长期耦合作用下的大型钢结构损伤时变演化规律，依托构建的数值模拟模型，揭示钢结构在长期服役过程中的性能退...; 高树华王正方齐浩凯王静

利用深度学习与数据融合的结构损伤识别方法: 2025年; 为实现高准确率、智能化的结构损伤识别,将模态频率应变能基指标以及曲率模态差作为损伤识别评价指标,并利用卷积神经网络将二者融合进行损伤识别。以简支梁为实验对象,通过ANSYS仿真模拟不同损伤工况,提取特征数据进行训练。仿真实验包括单位置损伤、多位置损伤以及多程度损伤的工况。这2种指标均能够对损伤位置以及损伤程度进行有效识别,并且将2种信号进行特征级融合时,损伤识别的准确率有了进一步提高。以模态频率应变能基指标和曲率模态差为损伤识别指标,利用深度学习和数据融合方法为结构健康监测提供了一种有效的新途径。; 李晨阳刘浩铭周博文; 关键词：数据融合仿真模拟

基于动力响应敏感分量的工程结构损伤识别方法及轻量化监测系统: 本发明公开了基于动力响应敏感分量的工程结构损伤识别方法及轻量化监测系统，包括结构振动感知模块、高性能微型控制模块、损伤识别算法模块、云存储模块、结构损伤预警模块和用户端模块；所述高性能微型控制模块通过云存储模块与用户端模...; 国海楠何浩祥王艺龙诸葛福金王成龙

基于深度子领域适应卷积神经网络的结构损伤识别: 2025年; 针对卷积神经网络(convolutional neural networks,CNN)结构损伤识别模型泛化能力差的问题,提出了一种基于深度子领域适应卷积神经网络(deep subdomain adaptation convolutional neural networks,DSACNN)的结构损伤识别方法。以实际结构为目标域,以有限元模型为源域,根据损伤类别将源域和目标域划分成一系列子领域。在CNN中嵌入子领域适应模块,构建DSACNN模型,通过最小化源域上的损伤分类误差和领域之间的局部最大均值差异,对齐两个领域对应子领域的特征、建立特征与损伤类别之间的映射,从而将源域上的损伤识别能力迁移到目标域之上。模型的训练无需已知目标域样本的损伤标签,采用预训练全局领域适应提高其伪标签的准确率。试验结果表明:与全局领域适应模型相比,基于预训练全局领域适应的DSACNN模型在模拟目标域上准确率最大提高幅度达到21.8%,在实测目标域上提高了9.6%,具有更强的泛化能力。; 张健飞曹雨; 关键词：结构损伤识别

公路车桥耦合振动下桥梁结构损伤识别仿真: 2025年; 车辆行驶在桥梁上产生的动力载荷会与桥梁产生耦合振动效应,造成振动特征的模糊性和混淆性,使得无法准确识别损伤位置。为此,提出公路车桥耦合振动下桥梁结构损伤位置识别方法。车辆荷载与桥梁结构之间的相互作用,获取由车辆重力产生的荷载构成的向量,建立桥梁结构的振动模态,实现对耦合振动分析,降低振动特征的模糊性和混淆性。引入海鸥优化算法对损伤预测过程中的主要参数展开寻优,采用扩展卡尔曼滤波算法实现对桥梁结构损伤位置的精准识别。仿真结果表明,所提方法能够准确描述桥梁结构的耦合振动行为,准确识别损伤位置,提高了损伤识别的精度。; 李晓涛王露露; 关键词：车桥耦合振动桥梁模型扩展卡尔曼滤波损伤识别

变分模态分解与时间序列模型相结合的结构损伤识别方法研究: 2025年; 针对准确定位土木工程结构突变损伤的损伤时刻和损伤位置问题,提出了基于变分模态分解(variational mode decomposition,VMD)与差分整合移动平均自回归(autoregressive integration moving average,ARIMA)模型的突变损伤识别方法。首先,利用自回归模型功率谱确定初始频率及需要分解的模态数量,接着通过VMD方法将振动非平稳信号初步分解为多个平稳的分量信号;然后,利用ARIMA模型来拟合各阶信号分量,获取模型残差,再利用ARIMA拟合模型信号分量得到的模型残差确定损伤的具体时刻;最后,利用主成分分析法获取结构的模态振型,构造一个基于频率与振型的损伤指标,结合损伤阈值定位出损伤位置。该方法通过地震激励下十自由度框架模拟算例以及实际简支钢桁梁桥数据进行分析。结果证实,该方法能够用于平稳及非平稳激励下的结构损伤时刻和损伤位置的定位。; 姚小俊孙守鹏王强杨小梅; 关键词：损伤识别

相关作者