[发明专利]一种基于条件生成对抗网络的结构损伤识别方法

权利要求书

1.一种基于条件生成对抗网络的结构损伤识别方法，其特征在于，包括以下步骤：

(1)首先通过有限元计算或现场实测得到固定荷载下不同损伤结构的结构响应信息，根据颜色渐变条将结构响应信息及结构损伤信息分别绘制成图像，并进行分类、整理、配对，建立样本库；

得到结构响应信息的方法具体为：

在不知道结构内部情况时，通过布设大量密集的应变片，测得不同荷载条件下的结构响应，通过插值法得到对应的完整结构响应信息；

在知道结构内部情况时，通过有限元计算得到同一荷载条件下的不同损伤结构的响应，得到对应的完整结构响应信息；

根据颜色渐变条将其绘制成图像的方法具体为：根据颜色渐变条jet，将每一个位置的结构响应信息或损伤大小转化为对应的像素值，并进行绘制成图片；

(2)基于条件生成对抗网络模型，通过样本库训练两个深度神经网络：生成网络G和判断网络D；

(3)将生成模型输出的结构损伤信息图像，并通过像素值标定其中的损伤值；

(4)测试阶段，将现场测得的结构响应信息绘制成图像，输入步骤(2)中训练好的生成网络G，得到对应的结构损伤信息图像，并通过结构损伤信息图像中的像素值标定其中的损伤值；

所述的步骤(2)中，生成网络G用来根据结构响应信息识别结构损伤，判断网络D用来区分输入的结构损伤信息是来自生成网络G还是真实的结构损伤信息，所述的条件生成对抗网络以结构响应信息为条件，其目标函数为：

其中，x来自数据库内的结构损伤图像，y表示结构响应信息；V(D,G)表示博弈问题中的价值函数，即需要优化的目标函数；x～p_data(x)表示x服从数据库内结构损伤图像分布p_data，表示在p_data分布下求期望；x～p_z(z)表示x服从先验分布p_z，p_z为[-1,1]内的均匀分布，即z为[-1，1]内随机采样的向量，表示在p_z分布下求期望；D(x|y)表示输入x在结构响应信息控制参数y的条件下经过判断网络D的输出；G(z|y)表示输入向量z在结构响应信息控制参数y的条件下经过生成网络G的输出图像；D(G(z|y))表示G(z|y)经过判断网络D的输出。

2.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，结构响应信息具体可以是：应力场、应变场、位移场、内力场。

3.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，其特征在于，所述的步骤(2)中，采用的生成网络G是一个U型网络，包含Encode和Decode两部分，Encode部分是一个卷积神经网络，通过八个卷积层从结构响应信息的图片中提取出特征，Decode部分是一个反卷积神经网络，通过八个反卷积层将Encode部分提取出的特征生成出结构损伤信息的图片。

4.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，其特征在于，所述的步骤(2)中，采用的判断网络D中，首先将结构响应信息的图片及生成的结构损伤信息图片拼接在一起，再通过五个卷积层和一个全连接层的网络，最后得到判断网络D的输出。

5.根据权利要求1所述的基于条件生成对抗网络的结构损伤识别方法，其特征在于，所述的步骤(3)中，标定G模型生产的结构荷载信息图像中结构损伤信息的方法具体为：根据颜色渐变条jet，将每一个位置的像素值转化为对应的结构损伤信息。