大跨橋梁服役要求通常為一百年,為使橋梁滿足使用年限要求,諸多學者開展了大量關于橋梁損傷識別的研究,應用各類信號分析技術對橋梁損傷狀況進行判別。然而橋梁信號的非平穩(wěn)性及環(huán)境因素的復雜性制約了傳統(tǒng)方法在該領域的進一步發(fā)展。因此,尋找新的非平穩(wěn)性分析方案及特征挖掘技術日趨重要。本文通過斜拉橋損傷模擬和簡支梁試驗研究,驗證了基于遞歸圖和卷積神經網絡的方法在該領域應用的可能性,并通過遞歸量化分析挖掘信號非平穩(wěn)性變化,表征損傷程度變化趨勢。具體研究工作如下:（1）首先本文論述了橋梁損傷識別、遞歸分析技術和卷積神經網絡的國內外研究現(xiàn)狀,對遞歸分析和卷積神經網絡的理論背景、發(fā)展狀況、研究現(xiàn)狀進行了詳細的描述和分析。對遞歸技術的基礎理論進行了初步的驗證,掌握了遞歸所需的技術和理論要點,為后續(xù)開展相關研究奠定了技術和理論基礎。遞歸圖為本文的主要研究對象,通過相空間重構的方式將一維加速度信號轉換為二維圖像信息,挖掘加速度信號內所蘊含的損傷信息。應用卷積神經網絡對遞歸圖進行分類處理工作,對表征不同損傷信息的遞歸圖進行分類。遞歸量化分析是遞歸圖的微觀表現(xiàn)形式,對遞歸圖信息進行分析、計算,對遞歸圖進行定量、定性,... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數】：101 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 結構損傷識別研究現(xiàn)狀
        1.2.2 基于神經網絡的橋梁損傷識別研究現(xiàn)狀
        1.2.3 遞歸分析技術研究現(xiàn)狀
    1.3 本文研究內容
    1.4 論文組織與框架
2 遞歸圖法與遞歸量化分析
    2.1 遞歸圖法
        2.1.1 遞歸圖
        2.1.2 遞歸圖的組成與含義
    2.2 遞歸量化分析
    2.3 相空間重構
        2.3.1 基于偽鄰域法的嵌入維度選取
        2.3.2 基于平均互信息法的延遲系數選取
    2.4 算例分析
    2.5 本章小結
3 卷積神經網絡的基本原理
    3.1 卷積神經網絡的概念
        3.1.1 卷積神經網絡的起源
        3.1.2 卷積神經網絡工作原理
    3.2 卷積神經網絡的典型結構
        3.2.1 LeNet
        3.2.2 AlexNet
        3.2.3 VGGNet
        3.2.4 GoogLeNet
        3.2.5 區(qū)域卷積神經網絡（region-based CNN）
    3.3 VGG-16
    3.4 本章小結
4 基于遞歸圖和卷積神經網絡的斜拉橋損傷模擬研究
    4.1 有限元模型建立
        4.1.1 斜拉索單元選取
        4.1.2 主梁主塔單元的選取
        4.1.3 模型加載
    4.2 損傷工況設置
        4.2.1 損傷位置及損傷工況
        4.2.2 采集點的選擇
        4.2.3 數據處理
    4.3 遞歸處理
        4.3.1 遞歸參數計算
        4.3.2 構造遞歸圖
    4.4 卷積神經網絡測試識別
    4.5 遞歸量化分析
    4.6 本章小結
5 遞歸圖和卷積神經網絡在簡支梁試驗中的應用
    5.1 試驗內容概括
        5.1.1 試驗目的
        5.1.2 試驗內容
        5.1.3 實驗步驟
    5.2 簡支梁模型的搭建
        5.2.1 模型介紹
        5.2.2 損傷工況
    5.3 遞歸分析
        5.3.1 遞歸圖分析
        5.3.2 遞歸量化分析
    5.4 卷積神經網絡處理
    5.5 本章小結
6 總結與展望
    6.1 主要工作及結論
    6.2 展望
參考文獻
致謝
作者簡歷及攻讀碩士學位期間的科研成果


【參考文獻】：
期刊論文
[1]基于改進型AlexNet的LPI雷達信號識別[J]. 楊潔,張歡.  現(xiàn)代電子技術. 2020(05)
[2]基于數據挖掘的在線審計模型設計[J]. 施傳新,謝志林,楚黃維,藍文濤.  電子技術與軟件工程. 2019(20)
[3]基于多尺度遞歸圖理論的橋梁微弱信號非線性非平穩(wěn)檢驗[J]. 張二華,單德山,李喬.  振動與沖擊. 2019(16)
[4]基于卷積神經網絡的心電信號分類研究[J]. 瞿文鳳.  科技資訊. 2019(23)
[5]基于深度學習卷積神經網絡圖像識別技術的研究分析探討[J]. 蘇越.  信息通信. 2019(07)
[6]PCA-RBF神經網絡模型在橋梁變形預測中的應用分析[J]. 戴建彪,岳東杰,陳健,何國慶.  勘察科學技術. 2019(03)
[7]基于卷積神經網絡的回環(huán)檢測算法[J]. 羅順心,張孫杰.  計算機與數字工程. 2019(05)
[8]人臉識別技術在新警務中應用與建設機制研究——深圳市公安局南山分局人臉識別系統(tǒng)建設經驗淺談[J]. 葉軍.  中國安防. 2019(05)
[9]基于超聲背散射信號遞歸分析的金屬材料微缺陷識別[J]. 楊辰龍,馮瑋,邊成亮,周曉軍,柴景云.  光學精密工程. 2019(04)
[10]基于CNN的SAR車輛目標檢測[J]. 常沛,夏勇,李玉景,吳濤.  雷達科學與技術. 2019(02)

博士論文
[1]橋梁健康監(jiān)測信號的遞歸特性分析[D]. 楊棟.中南大學 2012
[2]城市立交橋梁健康監(jiān)測理論與實踐技術研究[D]. 宮亞峰.吉林大學 2010
[3]基于能量指標的結構損傷識別理論與試驗研究[D]. 陳曉強.華中科技大學 2009
[4]基于神經網絡與數據融合的結構損傷識別理論研究[D]. 張育智.西南交通大學 2007

碩士論文
[1]基于動力參數及BP神經網絡相結合的橋梁損傷識別[D]. 蔚峰.安徽建筑大學 2019
[2]遞歸圖在非平穩(wěn)信號中的應用分析[D]. 賈強輝.合肥工業(yè)大學 2019
[3]基于深度學習的葡萄葉片病害識別方法研究[D]. 劉媛.甘肅農業(yè)大學 2018
[4]基于深度學習理論的橋梁損傷識別研究[D]. 謝祥輝.西南交通大學 2018
[5]超聲背散射信號遞歸定量分析無損表征CFRP孔隙率研究[D]. 何曉晨.大連理工大學 2018
[6]深度網絡模型壓縮及其在人臉識別的應用[D]. 黎李強.華南理工大學 2018
[7]基于深度學習的眼球追蹤技術研究[D]. 姜偉卓.電子科技大學 2018
[8]面向健康診斷的斜拉橋模型損傷識別試驗研究[D]. 石寧偉.大連海事大學 2017
[9]基于徑向基神經網絡的系桿拱橋索力確定與模型修正[D]. 張德.合肥工業(yè)大學 2015
[10]基于非線性動力學的中醫(yī)聲診信息的提取與識別的研究[D]. 沈勇.華東理工大學 2011



本文編號：3149522