递归图和卷积神经网络在桥梁损伤识别中的应用
发布时间：2021-04-20 10:39
大跨桥梁服役要求通常为一百年,为使桥梁满足使用年限要求,诸多学者开展了大量关于桥梁损伤识别的研究,应用各类信号分析技术对桥梁损伤状况进行判别。然而桥梁信号的非平稳性及环境因素的复杂性制约了传统方法在该领域的进一步发展。因此,寻找新的非平稳性分析方案及特征挖掘技术日趋重要。本文通过斜拉桥损伤模拟和简支梁试验研究,验证了基于递归图和卷积神经网络的方法在该领域应用的可能性,并通过递归量化分析挖掘信号非平稳性变化,表征损伤程度变化趋势。具体研究工作如下:（1）首先本文论述了桥梁损伤识别、递归分析技术和卷积神经网络的国内外研究现状,对递归分析和卷积神经网络的理论背景、发展状况、研究现状进行了详细的描述和分析。对递归技术的基础理论进行了初步的验证,掌握了递归所需的技术和理论要点,为后续开展相关研究奠定了技术和理论基础。递归图为本文的主要研究对象,通过相空间重构的方式将一维加速度信号转换为二维图像信息,挖掘加速度信号内所蕴含的损伤信息。应用卷积神经网络对递归图进行分类处理工作,对表征不同损伤信息的递归图进行分类。递归量化分析是递归图的微观表现形式,对递归图信息进行分析、计算,对递归图进行定量、定性,...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 研究现状
1.2.1 结构损伤识别研究现状
1.2.2 基于神经网络的桥梁损伤识别研究现状
1.2.3 递归分析技术研究现状
1.3 本文研究内容
1.4 论文组织与框架
2 递归图法与递归量化分析
2.1 递归图法
2.1.1 递归图
2.1.2 递归图的组成与含义
2.2 递归量化分析
2.3 相空间重构
2.3.1 基于伪邻域法的嵌入维度选取
2.3.2 基于平均互信息法的延迟系数选取
2.4 算例分析
2.5 本章小结
3 卷积神经网络的基本原理
3.1 卷积神经网络的概念
3.1.1 卷积神经网络的起源
3.1.2 卷积神经网络工作原理
3.2 卷积神经网络的典型结构
3.2.1 LeNet
3.2.2 AlexNet
3.2.3 VGGNet
3.2.4 GoogLeNet
3.2.5 区域卷积神经网络（region-based CNN）
3.3 VGG-16
3.4 本章小结
4 基于递归图和卷积神经网络的斜拉桥损伤模拟研究
4.1 有限元模型建立
4.1.1 斜拉索单元选取
4.1.2 主梁主塔单元的选取
4.1.3 模型加载
4.2 损伤工况设置
4.2.1 损伤位置及损伤工况
4.2.2 采集点的选择
4.2.3 数据处理
4.3 递归处理
4.3.1 递归参数计算
4.3.2 构造递归图
4.4 卷积神经网络测试识别
4.5 递归量化分析
4.6 本章小结
5 递归图和卷积神经网络在简支梁试验中的应用
5.1 试验内容概括
5.1.1 试验目的
5.1.2 试验内容
5.1.3 实验步骤
5.2 简支梁模型的搭建
5.2.1 模型介绍
5.2.2 损伤工况
5.3 递归分析
5.3.1 递归图分析
5.3.2 递归量化分析
5.4 卷积神经网络处理
5.5 本章小结
6 总结与展望
6.1 主要工作及结论
6.2 展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于改进型AlexNet的LPI雷达信号识别[J]. 杨洁,张欢. 现代电子技术. 2020(05)
[2]基于数据挖掘的在线审计模型设计[J]. 施传新,谢志林,楚黄维,蓝文涛. 电子技术与软件工程. 2019(20)
[3]基于多尺度递归图理论的桥梁微弱信号非线性非平稳检验[J]. 张二华,单德山,李乔. 振动与冲击. 2019(16)
[4]基于卷积神经网络的心电信号分类研究[J]. 瞿文凤. 科技资讯. 2019(23)
[5]基于深度学习卷积神经网络图像识别技术的研究分析探讨[J]. 苏越. 信息通信. 2019(07)
[6]PCA-RBF神经网络模型在桥梁变形预测中的应用分析[J]. 戴建彪,岳东杰,陈健,何国庆. 勘察科学技术. 2019(03)
[7]基于卷积神经网络的回环检测算法[J]. 罗顺心,张孙杰. 计算机与数字工程. 2019(05)
[8]人脸识别技术在新警务中应用与建设机制研究——深圳市公安局南山分局人脸识别系统建设经验浅谈[J]. 叶军. 中国安防. 2019(05)
[9]基于超声背散射信号递归分析的金属材料微缺陷识别[J]. 杨辰龙,冯玮,边成亮,周晓军,柴景云. 光学精密工程. 2019(04)
[10]基于CNN的SAR车辆目标检测[J]. 常沛,夏勇,李玉景,吴涛. 雷达科学与技术. 2019(02)
博士论文
[1]桥梁健康监测信号的递归特性分析[D]. 杨栋.中南大学 2012
[2]城市立交桥梁健康监测理论与实践技术研究[D]. 宫亚峰.吉林大学 2010
[3]基于能量指标的结构损伤识别理论与试验研究[D]. 陈晓强.华中科技大学 2009
[4]基于神经网络与数据融合的结构损伤识别理论研究[D]. 张育智.西南交通大学 2007
硕士论文
[1]基于动力参数及BP神经网络相结合的桥梁损伤识别[D]. 蔚峰.安徽建筑大学 2019
[2]递归图在非平稳信号中的应用分析[D]. 贾强辉.合肥工业大学 2019
[3]基于深度学习的葡萄叶片病害识别方法研究[D]. 刘媛.甘肃农业大学 2018
[4]基于深度学习理论的桥梁损伤识别研究[D]. 谢祥辉.西南交通大学 2018
[5]超声背散射信号递归定量分析无损表征CFRP孔隙率研究[D]. 何晓晨.大连理工大学 2018
[6]深度网络模型压缩及其在人脸识别的应用[D]. 黎李强.华南理工大学 2018
[7]基于深度学习的眼球追踪技术研究[D]. 姜伟卓.电子科技大学 2018
[8]面向健康诊断的斜拉桥模型损伤识别试验研究[D]. 石宁伟.大连海事大学 2017
[9]基于径向基神经网络的系杆拱桥索力确定与模型修正[D]. 张德.合肥工业大学 2015
[10]基于非线性动力学的中医声诊信息的提取与识别的研究[D]. 沈勇.华东理工大学 2011
本文编号：3149522
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 研究现状
1.2.1 结构损伤识别研究现状
1.2.2 基于神经网络的桥梁损伤识别研究现状
1.2.3 递归分析技术研究现状
1.3 本文研究内容
1.4 论文组织与框架
2 递归图法与递归量化分析
2.1 递归图法
2.1.1 递归图
2.1.2 递归图的组成与含义
2.2 递归量化分析
2.3 相空间重构
2.3.1 基于伪邻域法的嵌入维度选取
2.3.2 基于平均互信息法的延迟系数选取
2.4 算例分析
2.5 本章小结
3 卷积神经网络的基本原理
3.1 卷积神经网络的概念
3.1.1 卷积神经网络的起源
3.1.2 卷积神经网络工作原理
3.2 卷积神经网络的典型结构
3.2.1 LeNet
3.2.2 AlexNet
3.2.3 VGGNet
3.2.4 GoogLeNet
3.2.5 区域卷积神经网络（region-based CNN）
3.3 VGG-16
3.4 本章小结
4 基于递归图和卷积神经网络的斜拉桥损伤模拟研究
4.1 有限元模型建立
4.1.1 斜拉索单元选取
4.1.2 主梁主塔单元的选取
4.1.3 模型加载
4.2 损伤工况设置
4.2.1 损伤位置及损伤工况
4.2.2 采集点的选择
4.2.3 数据处理
4.3 递归处理
4.3.1 递归参数计算
4.3.2 构造递归图
4.4 卷积神经网络测试识别
4.5 递归量化分析
4.6 本章小结
5 递归图和卷积神经网络在简支梁试验中的应用
5.1 试验内容概括
5.1.1 试验目的
5.1.2 试验内容
5.1.3 实验步骤
5.2 简支梁模型的搭建
5.2.1 模型介绍
5.2.2 损伤工况
5.3 递归分析
5.3.1 递归图分析
5.3.2 递归量化分析
5.4 卷积神经网络处理
5.5 本章小结
6 总结与展望
6.1 主要工作及结论
6.2 展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于改进型AlexNet的LPI雷达信号识别[J]. 杨洁,张欢. 现代电子技术. 2020(05)
[2]基于数据挖掘的在线审计模型设计[J]. 施传新,谢志林,楚黄维,蓝文涛. 电子技术与软件工程. 2019(20)
[3]基于多尺度递归图理论的桥梁微弱信号非线性非平稳检验[J]. 张二华,单德山,李乔. 振动与冲击. 2019(16)
[4]基于卷积神经网络的心电信号分类研究[J]. 瞿文凤. 科技资讯. 2019(23)
[5]基于深度学习卷积神经网络图像识别技术的研究分析探讨[J]. 苏越. 信息通信. 2019(07)
[6]PCA-RBF神经网络模型在桥梁变形预测中的应用分析[J]. 戴建彪,岳东杰,陈健,何国庆. 勘察科学技术. 2019(03)
[7]基于卷积神经网络的回环检测算法[J]. 罗顺心,张孙杰. 计算机与数字工程. 2019(05)
[8]人脸识别技术在新警务中应用与建设机制研究——深圳市公安局南山分局人脸识别系统建设经验浅谈[J]. 叶军. 中国安防. 2019(05)
[9]基于超声背散射信号递归分析的金属材料微缺陷识别[J]. 杨辰龙,冯玮,边成亮,周晓军,柴景云. 光学精密工程. 2019(04)
[10]基于CNN的SAR车辆目标检测[J]. 常沛,夏勇,李玉景,吴涛. 雷达科学与技术. 2019(02)
博士论文
[1]桥梁健康监测信号的递归特性分析[D]. 杨栋.中南大学 2012
[2]城市立交桥梁健康监测理论与实践技术研究[D]. 宫亚峰.吉林大学 2010
[3]基于能量指标的结构损伤识别理论与试验研究[D]. 陈晓强.华中科技大学 2009
[4]基于神经网络与数据融合的结构损伤识别理论研究[D]. 张育智.西南交通大学 2007
硕士论文
[1]基于动力参数及BP神经网络相结合的桥梁损伤识别[D]. 蔚峰.安徽建筑大学 2019
[2]递归图在非平稳信号中的应用分析[D]. 贾强辉.合肥工业大学 2019
[3]基于深度学习的葡萄叶片病害识别方法研究[D]. 刘媛.甘肃农业大学 2018
[4]基于深度学习理论的桥梁损伤识别研究[D]. 谢祥辉.西南交通大学 2018
[5]超声背散射信号递归定量分析无损表征CFRP孔隙率研究[D]. 何晓晨.大连理工大学 2018
[6]深度网络模型压缩及其在人脸识别的应用[D]. 黎李强.华南理工大学 2018
[7]基于深度学习的眼球追踪技术研究[D]. 姜伟卓.电子科技大学 2018
[8]面向健康诊断的斜拉桥模型损伤识别试验研究[D]. 石宁伟.大连海事大学 2017
[9]基于径向基神经网络的系杆拱桥索力确定与模型修正[D]. 张德.合肥工业大学 2015
[10]基于非线性动力学的中医声诊信息的提取与识别的研究[D]. 沈勇.华东理工大学 2011
本文编号：3149522
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3149522.html
