[发明专利]一种基于等效应变假说的地铁枕梁损伤数据集构建方法

说明书

本发明提供了一种基于等效应变假说的地铁枕梁损伤数据集构建方法，包括选取地铁枕梁上的一块正方形薄板或壳类结构，将一端固定，另一端受到均布的线载荷作用，构建小平板有限元模型；对小平板有限元模型的模型单元进行编号；在模型的材料模块下设定多种不同弹性模量的材料，每个弹性模量分别对应相应的损伤程度；利用ABAQUS软件的二次开发接口，采用对应的Python脚本文件，获得每个模型单元上响应应变场与损伤信息一一对应的小平板基础数据集；将高斯白噪声加入基础数据集中，得到噪声数据；并通过引入服从高斯分布的随机数将噪声数据进行放大，得到扩充的应变场损伤数据集。该方法不仅能简化流程提高效率，且对操作人的要求较低。

技术领域

本发明涉及轨道交通损伤识别技术领域，特别地，涉及一种基于等效应变假说的地铁枕梁损伤数据集构建方法。

背景技术

基于应变的结构健康监测技术被广泛地用于交通领域，现有的应变损伤识别方法存在过程复杂、状态评估滞后、智能化程度低等缺陷，亟需发展先进的智能识别技术。

近年来，由于计算机技术的迅猛发展，人工智能已经成为国内外研究的热点。而深度学习是目前人工智能研究领域的重点之一，其强大的非线性表征能力可以学习到数据更高层次的抽象特征，并向具有相同特征的数据分布泛化。而且深度学习的网络模型一旦训练完成，可以方便地部署到移动端，运行效率也极高。这些特点都十分符合实时损伤识别的数据处理需求，研究使用深度学习进行结构响应信号的处理，以实现结构损伤的端到端自动识别有广泛的应用前景。

传统技术获得一个包含不同损伤情况及其相应的结构响应的数据集，需要经过损伤指标选择、信号处理、数据统计、分析分类等繁琐的步骤，在指标选择等步骤中，存在较大的主观性，需要操作者有较充足的基础知识储备或经验，且整个过程需要耗费大量人力、物力和时间，会显著增加成本。

现有的数据集构建方式如下：首先通过接触式传感器，如光纤光栅传感器；或非接触式测量技术，如数字散斑测量技术，来获取信号(如应变、位移、加速度、速度等)，接着通过人工的方式来确定损伤指标，在此基础上对信号进行数据处理(如降噪、损伤指标的计算等)，接着对所得数据的损伤指标的变化和差异进行统计，然后由统计结果映射损伤信息。整个过程都需要人工完成，不仅对工作人员的专业素养要求较高，且数据处理效率较低。

发明内容

针对上述现有技术中存在的问题，本发明提供了一种基于等效应变假说的地铁枕梁损伤数据集构建方法。本发明基于等效应变假说，釆用削弱材料弹性模量的方法模拟损伤，实现方式简单，适用性广，并通过利用有限元的方法，结合ABAQUS的二次开发，编写相关Python程序，简化操作流程，构建应变场损伤数据集；不仅能够简化流程，提高效率，而且对操作人的要求较低。

为实现上述目的，本发明提供了一种基于等效应变假说的地铁枕梁损伤数据集构建方法，包括以下步骤：

选取地铁枕梁上的一块正方形薄板或壳类结构，将其一端固定，另一端受到均布的线载荷作用，构建小平板有限元模型；

对所述小平板有限元模型的模型单元进行编号；在所述模型的材料模块下设定多种不同弹性模量的材料，每个弹性模量分别对应相应的损伤程度；

利用ABAQUS软件的二次开发接口，采用对应的Python脚本文件，获得每个模型单元上响应应变场与损伤信息一一对应的小平板基础数据集；

将高斯白噪声加入所述基础数据集中，得到噪声数据；并通过引入服从高斯分布的随机数将所述噪声数据进行放大，得到扩充的应变场损伤数据集。

进一步的，当材料未发生损伤时，此时材料的弹性模量未发生改变；当发生完全损伤时，此时材料的弹性模量变为0。

进一步的，对所述小平板有限元模型的模型单元进行编号；在所述模型的材料模块下设定多种不同弹性模量的材料，每个弹性模量分别对应相应的损伤程度，具体为：