基于数字孪生与特征迁移的结构损伤识别方法
技术特征:
1.一种基于数字孪生与特征迁移的结构损伤识别方法,其特征在于,所述识别方法包括:
2.根据权利要求1所述的结构损伤识别方法,其特征在于,利用结构的数字孪生模型来构建源域数据集,包括:
3.根据权利要求1所述的结构损伤识别方法,其特征在于,采用谱马尔可夫转移场将结构的加速度响应信号转换为第一时频图像或第二时频图像,包括:
4.根据权利要求1所述的结构损伤识别方法,其特征在于,利用预训练的卷积神经网络模型对所述第一时频图像和第二时频图像进行特征提取;其中,所述预训练的卷积神经网络模型不包含全连接层。
5.根据权利要求1所述的结构损伤识别方法,其特征在于,对所述联合特征矩阵进行迁移成分分析,包括:
6.根据权利要求5所述的结构损伤识别方法,其特征在于,采用广义特征值分解求解所述目标函数,包括:
7.根据权利要求1~6中任一项所述的结构损伤识别方法,其特征在于,所述识别方法还包括:
8.一种电子设备,包括存储器、处理器以及存储在存储器上的计算机程序/指令,其特征在于,所述处理器执行所述计算机程序/指令以实现如权利要求1~7中任一项所述的结构损伤识别方法。
9.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1~7中任一项所述的结构损伤识别方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1~7中任一项所述的结构损伤识别方法。
技术总结
本发明公开了一种基于数字孪生与特征迁移的结构损伤识别方法,所述方法包括对源域数据集的第一时频图像、目标域数据集的第二时频图像分别进行特征提取,得到第一特征向量和第二特征向量;对所有第一特征向量、所有第二特征向量分别进行组合,得到第一特征矩阵和第二特征矩阵;对第一特征矩阵与第二特征矩阵进行拼接,得到联合特征矩阵;对联合特征矩阵进行迁移成分分析,得到源域特征向量和目标域特征向量;利用源域特征向量和源域数据集的损伤类型对损伤识别模型进行训练;利用目标域特征向量和目标域数据集的损伤类型对训练后的损伤识别模型进行训练和性能评估。本发明解决了利用有限元模型获取样本数据对计算资源需求高的问题。
技术研发人员:鲁乃唯,崔健,罗媛,刘屹儒,王磊,马亚飞,肖向远
受保护的技术使用者:长沙理工大学
技术研发日:
技术公布日:2024/11/28
文档序号 :
【 40164756 】
技术研发人员:鲁乃唯,崔健,罗媛,刘屹儒,王磊,马亚飞,肖向远
技术所有人:长沙理工大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:鲁乃唯,崔健,罗媛,刘屹儒,王磊,马亚飞,肖向远
技术所有人:长沙理工大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
