[发明专利]一种基于多参数和卷积神经网络的结构损伤识别方法有效
| 申请号： | 201910585736.2 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110472272B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 陈贡发;腾帅 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06V10/82 | 分类号： | G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510006 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于多参数和卷积神经网络的结构损伤识别方法，包括以下步骤：输入基础钢架结构图片，对基础钢架结构图片进行数据采集并组合为多参数数据，以矩阵数据形式将多参数数据转换为基础钢架结构数据矩阵；将基础钢架结构数据矩阵通过损伤模拟得到对应的损伤位置向量，组成训练集和测试集；构建卷积神经网络模型，将训练集输入卷积神经网络中进行训练，保存完成训练的卷积神经网络；将测试集输入卷积神经网络，若输出的识别结果对应的误差值收敛，则卷积神经网络完成训练，否则重新对卷积神经网络进行训练；对待结构损伤识别的图片进行数据采集并组合为多参数数据后输入完成训练的卷积神经网络中，其输出的结果即为结构损伤识别结果。 | ||
| 搜索关键词： | 一种 基于 参数 卷积 神经网络 结构 损伤 识别 方法 | ||
【主权项】：
1.一种基于多参数和卷积神经网络的结构损伤识别方法，其特征在于，包括以下步骤：/nS1：输入基础钢架结构图片，对所述基础钢架结构图片进行数据采集并组合为多参数数据，以矩阵数据形式将多参数数据转换为基础钢架结构数据矩阵；/nS2：将所述基础钢架结构数据矩阵通过进行不同位置杆的损伤模拟，得到对应的损伤位置向量，组成训练集和测试集；/nS3：构建卷积神经网络模型，将所述训练集输入卷积神经网络中进行训练，保存完成训练的卷积神经网络；/nS4：将所述测试集输入卷积神经网络，若输出的识别结果对应的误差值收敛，则卷积神经网络完成训练并执行S5步骤，否则跳转执行S3步骤；/nS5：对待结构损伤识别的图片进行数据采集并组合为多参数数据后输入完成训练的卷积神经网络中，其输出的结果即为结构损伤识别结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910585736.2/，转载请声明来源钻瓜专利网。
