首頁 資訊 深度主成分分析:結(jié)構(gòu)損傷識(shí)別的增強(qiáng)方法,Structural Health Monitoring

深度主成分分析:結(jié)構(gòu)損傷識(shí)別的增強(qiáng)方法,Structural Health Monitoring

來源:泰然健康網(wǎng) 時(shí)間:2024年12月17日 00:52

結(jié)構(gòu)健康監(jiān)測(cè)依賴于隨著時(shí)間的推移對(duì)動(dòng)態(tài)系統(tǒng)的持續(xù)觀察,以識(shí)別其實(shí)際狀況、檢測(cè)異常行為并預(yù)測(cè)未來狀態(tài)。據(jù)報(bào)道,環(huán)境因素的定期變化是結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)應(yīng)用的主要挑戰(zhàn)之一。結(jié)構(gòu)響應(yīng)中的這些影響通常是非線性的,以最多樣化的形式影響損壞敏感特征。刪除這些正常更改的通常過程稱為數(shù)據(jù)規(guī)范化。在這方面,主成分分析可能是結(jié)構(gòu)健康監(jiān)測(cè)中研究最多的算法,有許多版本可以學(xué)習(xí)強(qiáng)非線性正態(tài)變化。然而,在大多數(shù)情況下,通過現(xiàn)有的非線性主成分分析方法,并非所有可變性都能得到適當(dāng)?shù)目紤],從而導(dǎo)致?lián)p壞檢測(cè)和量化性能不佳。在本文中,提出了一種基于深度主成分分析的新范式,植根于深度學(xué)習(xí)領(lǐng)域,以克服這些局限性。這種方法通過堆疊多個(gè)訓(xùn)練有素的前饋神經(jīng)網(wǎng)絡(luò)來提取最顯著的潛在特征分布,以學(xué)習(xí)輸入變量的身份映射,其中網(wǎng)絡(luò)輸入被復(fù)制到輸出中。與傳統(tǒng)的基于非線性主成分分析的方法類似,我們的方法通過將模態(tài)特征包含到內(nèi)部瓶頸層中來識(shí)別未損壞結(jié)構(gòu)的非線性僅輸出模型,隱含地代表獨(dú)立的環(huán)境因素。所提出的技術(shù)通過在逐漸損壞的預(yù)應(yīng)力混凝土橋和三跨懸索橋上的應(yīng)用得到驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,捕獲數(shù)據(jù)中最輕微的非線性變化可以改善數(shù)據(jù)歸一化,從而提高損傷檢測(cè)和量化性能。

"點(diǎn)擊查看英文標(biāo)題和摘要"

相關(guān)知識(shí)

Passive Wireless RFID Sensors and Their Applications in Structural Health Monitoring
結(jié)構(gòu)健康監(jiān)測(cè)的傳感器優(yōu)化布置研究進(jìn)展與展望
軌道車輛結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)綜述
張弦結(jié)構(gòu)健康監(jiān)測(cè)傳感器布置優(yōu)化方法
無線通信在結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)的應(yīng)用研究綜述
Current Status and Prospects of Soil Ecological Environment Health Monitoring Technology
結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)設(shè)計(jì)標(biāo)準(zhǔn)(征求意見稿)
結(jié)構(gòu)健康監(jiān)測(cè)中光纖光柵傳感技術(shù)(一)光纖健康監(jiān)測(cè)研究和應(yīng)用現(xiàn)狀
Soft electronics for advanced infant monitoring,Materials Today
科學(xué)網(wǎng)—移動(dòng)健康(Mobile Health )國際研究進(jìn)展與文獻(xiàn)分析報(bào)告

網(wǎng)址: 深度主成分分析:結(jié)構(gòu)損傷識(shí)別的增強(qiáng)方法,Structural Health Monitoring http://m.u1s5d6.cn/newsview582369.html

推薦資訊