[发明专利]基于深度极限学习机的结构损伤识别方法及系统

权利要求书

1.一种基于深度极限学习机的结构损伤识别方法，其特征在于，包括以下步骤：

获取待测建筑结构的损伤数据并进行预处理；

将训损伤数据输入深度极限学习机模型，并对深度极限学习机模型的超参数自适应寻优，得到训练后的深度极限学习机模型；

采用十折交叉验证来检验训练后深度极限学习机模型损伤识别的精度和鲁棒性，如果不满足设定要求，则重新对深度极限学习机模型进行超参数优化，直到满足结构损伤识别的精度要求，得到深度极限学习机损伤识别模型；

采用深度极限学习机损伤识别模型识别建筑结构的损伤位置。

2.根据权利要求1所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，在待测建筑结构的损伤处设置加速度传感器，测量各损伤处的加速度时程数据，得到损伤数据。

3.根据权利要求1所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，所述预处理方法为，对损伤数据进行降噪和归一化处理。

4.根据权利要求3所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，采用希尔伯特黄变换方法对损伤数据进行降噪处理。

5.根据权利要求3所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，使用希尔伯特黄变换提取损伤数据的基本分量，并提取损伤信号各IMF分量的能量特征，并将各损伤信号的损伤程度和损伤位置作为标签，与损伤信号各IMF分量的能量特征组成特征向量。

6.根据权利要求1所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，采用粒子群优化算法对深度极限学习机模型的超参数进行自适应寻优。

7.根据权利要求1所述的一种基于深度极限学习机的结构损伤识别方法，其特征在于，还包括以下步骤，采用获取的新的损伤数据对深度极限学习机损伤识别模型进行更新，提升损伤识别精度。

8.一种基于深度极限学习机的结构损伤识别系统，其特征在于，包括：

信号采集模块，用于获取待测建筑结构的损伤数据并进行预处理；

模型训练模块，用于将损伤数据输入深度极限学习机模型，并对深度极限学习机模型的超参数自适应寻优，得到训练后的深度极限学习机模型；

优化训练模块，用于采用十折交叉验证来检验训练后深度极限学习机模型损伤识别的精度和鲁棒性，如果不满足设定要求，则重新对深度极限学习机模型进行超参数优化，直到满足结构损伤识别的精度要求，得到深度极限学习机损伤识别模型；

输出模块，用于通过深度极限学习机损伤识别模型得到建筑结构的损伤位置。

9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述基于深度极限学习机的结构损伤识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述基于深度极限学习机的结构损伤识别方法的步骤。