[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

说明书

本发明公开了一种基于条件生成对抗网络的结构损伤识别方法，在训练阶段，首先通过有限元计算或现场实测得到不同荷载下结构的结构响应响应以及对应的加载条件，并基于条件生产对抗网络模型训练两个深度神经网络G和D，训练完成之后，以现场测得的结构响应响应信息输入生成网络G，得到对应的加载条件。本发明可以通过数据驱动的方式高效地识别结构损伤，将有效解决工程健康监测中难以原位实时识别结构内部损伤问题。

技术领域

本发明属于土木结构工程与计算机视觉的交叉领域，特别涉及一种基于条件生成对抗网络的结构损伤识别方法。

背景技术

结构损伤是土木结构物运营期的结构状态监测中的重要内容，直接决定了结构的安全性、耐久性。对于长期服役的结构物，如何高效地利用结构原位响应信息实时地识别结构内部损伤对结构运营期的结构状态监测有重要意义。

传统的结构损伤方法，通过建立物理模型并求解结构的控制方程，根据结构响应来得到结构损伤情况，但当结构较复杂或结构长期服役性能退化后，假设的物理模型往往不正确。

随着数据分析手段的进步以及以往大量工程数据的累积，用数据驱动的方式解决工程问题已得到了广泛应用。为解决传统力学方法不能准确识别性能退化后的结构损伤的问题，本发明应用深度学习实现了通过结构原位响应信息实时地识别结构损伤。

发明内容

为了解决如何高效地利用结构原位实时响应信息识别结构内部损伤的技术问题，本发明提供一种基于条件生成对抗网络的结构损伤识别方法，具体步骤如下：

一种基于条件生成对抗网络的结构损伤识别方法，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程度损伤结构的结构响应信息，并根据颜色渐变条将结构响应信息及结构损伤情况分别绘制成图像，并进行分类、整理、配对，建立样本库。

(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，并通过损伤信息图像中的像素值标定其中的损伤值。

进一步地，在基于条件生成对抗网络的结构损伤识别方法中，结构响应信息具体可以是：应力场、应变场、位移场、内力场。

进一步地，所述的步骤(1)中，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不同荷载条件下的结构响应，得到对应的结构响应信息。

进一步地，所述的步骤(1)中，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和损伤信息转化为对应的像素值，并进行绘制成图片。

进一步地，所述的步骤(2)中，生成网络G用来根据结构响应信息生成结构损伤信息，判断网络D用来区分输入的损伤信息是来自生成网络G还是真实的损伤信息，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：