基于使用有限传感器的变量自编码神经网络相关性的结构损伤检测
Jun Lin1,2,3, Hongwei Ma1,2
1School of Environment and Civil Engineering, Dongguan University of Technology, Dongguan 523808, China.
Sensors (Basel, Switzerland)
|April 27, 2024
概括
这项研究引入了一种新的方法,用于识别结构损伤,没有基线数据,使用变量自编码器神经网络和有限的传感器响应. 这种方法提高了结构健康监测,并降低了工程应用的成本.
科学领域:
- 工程 工程师 工程师 工程师
- 结构健康监测 结构健康监测
- 人工智能的人工智能
背景情况:
- 评估结构安全性至关重要,但在没有先前的结构数据的情况下识别损坏是一个重大的工程挑战.
- 传感器的有限可用性往往限制了传统的结构健康监测技术.
研究的目的:
- 开发一种基于关联的损害识别方法,使用变量自编码神经网络.
- 为了能够在没有基线数据的情况下确定结构状态,利用来自有限数量的传感器的响应.
主要方法:
- 构建了一个变量自编码器网络模型,用于检测桥梁损坏.
- 优化模型参数,包括损失函数和学习率.
- 训练模型使用来自有限传感器的响应数据来识别结构状态.
主要成果:
- 在各种损坏场景下成功确定损坏位置.
- 在检测多个结构损坏方面表现出强大的稳定性.
- 提高了桥梁结构损坏识别的准确性.
结论:
- 拟议的方法有效地识别了结构损害,没有基线数据,提供了成本有效的解决方案.
- 该方法是稳健和准确的,改善了结构性健康监测中的实际应用.
