[发明专利]基于全连接神经网络与传递率函数的钢结构损伤检测方法

权利要求书

1.一种基于全连接神经网络与传递率函数相结合的钢结构损伤检测方法，其特征在于，所述方法包括以下步骤：

S1、根据钢结构损伤信息，对钢结构模型进行分区，进行各个位置的仿真分析；

S2、通过步骤S1中的钢结构动力学计算分析模型，对各个位置进行损伤模拟分析得到全连接神经网络的输入样本，损伤模拟通过改变钢结构某个位置的质量或刚度来实现；

S3、设计全连接神经网络模型，利用步骤S2中的样本数据进行网络训练和交叉验证调参；

S4、对步骤S3的全连接神经网络模型进行检测性能测试；

S5、开展钢结构损伤检测实验，构建结构损伤的实测数据集，利用数据集对步骤S4中的全连接神经网络模型进行迁移学习；

S6、采集钢结构损伤实验平台的加速度响应，并进行傅里叶变换、频谱相除、函数相减得到神经网络的输入，利用全连接神经网络模型进行钢结构损伤检测。

2.如权利要求1所述的基于全连接神经网络与传递率函数相结合的钢结构损伤检测方法，其特征在于：所述步骤S1中，钢结构动力学计算分析模型包括钢结构未损伤模型、钢结构质量损伤模型、钢结构刚度损伤模型，其中，质量损伤模型通过在无损伤模型两个相邻检测位置之间增加质量块得到，分别是1-2，2-3，4-5，5-6，6-7，7-8，9-10，10-11这8个位置；刚度损伤模型通过改变无损伤模型两个相邻位置之间的刚度得到，分别是3-4和8-9这两个位置。

3.如权利要求1或2所述的基于全连接神经网络与传递率函数相结合的钢结构损伤检测方法，其特征在于：所述步骤S2中，数据集包括训练集、验证集和测试集，对于10种不同的损伤情况，5600个可用样本被分为三组，4400个样本用于训练，1200个样本用于验证和测试；其中，用于训练的样本中有仿真样本3200个、实验样本1200个；用于验证和测试的样本中有仿真样本800个、实验样本400个。

4.如权利要求3所述的基于全连接神经网络与传递率函数相结合的钢结构损伤检测方法，其特征在于：所述步骤S3中，利用步骤S2中构建的训练集进行网络训练；基于步骤S2中提供的验证集对全连接神经网络模型进行交叉验证调参。

5.如权利要求4所述的基于全连接神经网络与传递率函数相结合的钢结构损伤检测方法，其特征在于：所述步骤S4中，利用步骤S2中的测试集对步骤S3训练好的网络检测性能测试，通过全连接神经网络模型预测的结果和实际结果对比得到神经网络的识别率。

6.如权利要求1或2所述的基于全连接神经网络与传递率函数相结合的钢结构损伤检测方法，其特征在于：所述步骤S5中，根据钢结构框架仿真模型搭建相应的钢结构损伤检测实验平台，同样进行三种情况的测试，得到用于训练神经网络的传递率函数变化量，与之前的理论分析和仿真结果进行比较，从实验上验证基于全连接神经网络与传递率函数相结合的检测方法的可行性。

7.如权利要求1或2所述的一种基于全连接神经网络与传递率函数相结合的钢结构损伤检测方法，其特征在于：所述步骤S6中，用小锤敲击后一个检测位置的边缘，由两个加速度传感器进行采样，将加速度数据进行傅里叶变换得到10对无损伤结构的频谱曲线和10对损伤结构的频谱曲线，将前一个检测位置的加速度频谱除以后一个检测位置的加速度频谱，分别计算出无损伤结构和损伤结构中每个检测位置对的传递率函数，最终得到传递率函数变化量作为神经网络的输入进行损伤检测。