[发明专利]基于总体经验模态分解与卷积神经网络的结构损伤识别法

摘要

本发明提出一种基于总体经验模态分解与卷积神经网络的结构损伤识别法，属于结构健康监测技术领域，该方法选取结构的加速度响应信号作为分析对象，并采用总体经验模态分解技术对加速度响应信号进行分解得到一系列固有模态函数IMF，选择含有结构自振频率的固有模态函数IMF进行重构，再采用一维卷积神经网络对重构信号进行特征提取和损伤分类，从而获得结构损伤位置的识别结果。该方法既减少了噪声对结构损伤位置识别结果的影响，提高了识别准确率，又提高了识别效率，在实时结构健康监测中具有显著的优势。

主权项

1.基于总体经验模态分解与卷积神经网络的结构损伤识别法，其特征在于，包括以下步骤：步骤1：测得结构加速度响应信号x(t)；步骤2：利用总体经验模态分解技术对加速度响应x(t)进行分解，得到一系列固有模态函数IMF；步骤3：对步骤2得到的固有模态函数IMF进行傅里叶变换得到其频谱特性，选择含有结构自振频率的固有模态函数IMF进行重构，得到重构信号z(t)；步骤4：对步骤3得到的重构信号z(t)进行标准化处理，得到标准化重构信号Z(t)，将标准化重构信号Z(t)分为多段长度一定的子信号，选取子信号中的部分信号作为训练样本，剩余部分信号作为测试样本；步骤5：将步骤4得到的训练样本输入一维卷积神经网络模型中进行训练，训练过程中采用交叉熵损失函数作为损失函数，采用Adam优化算法作为优化算法；步骤6：将步骤4得到的测试样本输入到步骤5训练好的一维卷积神经网络模型中，得到损伤位置的识别结果。