本发明公开了联合卷积与循环神经网络的结构损伤识别方法,包括:利用多个传感器采集待测目标不同位置的振动响应加速度数据;对振动响应加速度数据进行预处理形成时间序列数据矩阵;利用卷积神经网络从时间序列数据矩阵中提取空间相关性特征及短时间尺度依赖特征;利用门控循环网络基于空间相关性特征及短时间尺度依赖特征提取长时间尺度依赖性特征;利用长时间尺度依赖性特征对待测目标的损伤状态进行分类。本发明考虑监测数据在时间和空间上的联系,避免损伤状态识别中出现特征提取不足、鲁棒性差、模式分类能力较弱的情况,显著提高了结构损伤识别的精度,并能在合理的训练条件下节省更多的计算空间消耗,具有较好的计算时间和空间平衡性。
1.联合卷积与循环神经网络的结构损伤识别方法,其特征在于,包括:S1、利用多个传感器采集待测目标不同位置的振动响应加速度数据;S2、对振动响应加速度数据进行预处理形成时间序列数据矩阵;S3、利用卷积神经网络从时间序列数据矩阵中提取空间相关性特征及短时间尺度依赖特征;S4、利用门控循环网络基于空间相关性特征及短时间尺度依赖特征提取长时间尺度依赖性特征;S5、利用长时间尺度依赖性特征对待测目标的损伤状态进行分类。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2311432.html,转载请声明来源钻瓜专利网。