基于决策融合的结构损伤识别方法、设备、介质及产品
技术特征：
1.一种基于决策融合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，根据传感器采集的结构的加速度响应信号，采用谱马尔可夫转移场生成结构图像，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，所述损伤识别模型选用预训练的resnet-34模型，所述resnet-34模型包括依次连接的输入层、卷积层、最大池化层、第一残差层、第二残差层、第三残差层、第四残差层、平均池化层和全连接层。
4.根据权利要求3所述的结构损伤识别方法，其特征在于，所述卷积层包括64个大小为7×7的卷积核，步长为2；所述最大池化层的池化核大小为3×3，步长为2；所述第一残差层包括3个残差块，所述第二残差层包括4个残差块，所述第三残差层包括6个残差块，所述第四残差层包括3个残差块，每个残差块包括2个3×3卷积核；所述平均池化层的池化核大小为7×7。
5.根据权利要求3所述的结构损伤识别方法，其特征在于，利用每个样本数据集的训练集对对应的损伤识别模型进行训练，包括：
6.根据权利要求1所述的结构损伤识别方法，其特征在于，每个目标模型的权重的计算公式为：
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，每个损伤类别的评分的计算公式为：
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决策融合的结构损伤识别方法、设备、介质及产品，所述方法包括构建多个样本数据集，将每个样本数据集划分为训练集和验证集；加载多个损伤识别模型；利用训练集对损伤识别模型进行训练，得到目标模型；利用目标模型对验证集进行损伤识别；根据损伤识别结果计算目标模型在验证集上的识别准确率；根据识别准确率计算目标模型的权重；利用每个目标模型对待识别的结构图像进行损伤识别；根据每个目标模型的损伤识别结果和权重计算每个损伤类别的评分，以最高评分所对应的损伤类别作为待识别的结构图像的最终损伤类别。本发明解决了传统融合方法难以充分利用不同传感器的优势导致识别精度下降的问题。
技术研发人员：鲁乃唯,崔健,王磊,肖向远,刘屹儒,罗媛,雷尧
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
技术研发人员：鲁乃唯,崔健,王磊,肖向远,刘屹儒,罗媛,雷尧
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