申请/专利权人：郑州大学

申请日：2022-02-24

公开（公告）日：2022-06-24

公开（公告）号：CN114660180A

主分类号：G01N29/14

分类号：G01N29/14;G01N29/44

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.05.12#实质审查的生效;2022.06.24#公开

摘要：本发明公开了一种基于声发射与一维卷积神经网络1DCNNs的中小桥梁轻量化健康监测方法与系统，其包括：在中小桥梁关键易损部位布置声发射传感器进行实时数据采集；对所采集的声发射数据进行经验模态分解以达到去噪目的；对该类中小桥进行缩尺模型实验，利用缩尺模型实验的声发射信号训练1DCNNs模型。将实桥上采集的信号输入1DCNNs模型以实时监测结构所处的损伤阶段，并进行分级预警。本发明利用声发射技术可实时监测结构损伤和1DCNNs可简化计算复杂度的优点，提供了一种中小桥梁实时轻量化健康监测方法与系统，为桥梁管理部门安全决策提供依据。

主权项：1.一种基于声发射与1DCNNs的中小桥梁轻量化健康监测方法与系统，其特征在于：包括以下步骤：步骤一，根据中小桥的力学特征安装基于声发射传感器的监测系统。在桥梁结构上布置由数据采集系统和结构健康状态与安全评估系统这两个子系统组成的健康监测系统。步骤二，利用经验模态分解EMD进行数据去噪。该信号处理方法可以把输入信号分解为若干个本征模态函数IMF之和，依据能量法则直接抛弃若干阶数小的IMF，将剩余IMF进行重构，得到去噪后的数据。步骤三，利用缩尺模型建立桥梁损伤下声发射信号的基准分类数据库。对桥进行缩尺试验，进行加载卸荷并用声发射传感器测得数据，循环往复以考虑Kaisereffect凯塞效应，根据中小桥体破坏现象对中小桥梁损伤阶段进行划分，并确定对应声发射信号的标签信息。步骤四，根据基准分类数据库进行1DCNNs模型的训练。将缩尺模型实验的信号输入一维卷积神经网络模型中；将所采样本分成两部分，一部分用于对模型的训练，另一部分用于对模型的测试，根据1DCNNs对损伤特征的划分，判定损伤属于哪种损伤阶段。步骤五，将训练好的1DCNNs模型用于实桥的预警，根据实际测到的声发射信号的分类进行实时的安全预警。当1DCNNs模型判别损伤处于裂缝发展前期阶段、裂缝发展后期阶段或破坏阶段时，发出预警信号。

全文数据：

权利要求：

百度查询： 郑州大学 一种基于声发射与1D CNNs的中小桥梁轻量化健康监测方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD