申请/专利权人：山东大学

申请日：2022-05-10

公开（公告）日：2024-04-02

公开（公告）号：CN114595733B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/2131;G06N3/0442;G06N3/084;G01N29/44;G01N29/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.06.24#实质审查的生效;2022.06.07#公开

摘要：本申请属于桥梁拉索状态监测技术领域，具体涉及一种基于长短期记忆网络的桥梁拉索断丝信号识别方法及系统，从时域、频域、时频分析等多维度进行信号特征提取，选取了分类能力较强的特征参数，构建了表征声发射信号的综合特征向量；基于LSTM构建断丝信号识别模型，在测试集上表现出较好的性能；和传统机器学习算法模型相比，所构建的断丝信号识别模型可以准确识别绝大部分断丝和非断丝信号，表现出对断丝信号的较好识别能力。

主权项：1.一种基于长短期记忆网络的桥梁拉索断丝信号识别方法，其特征在于，包括以下步骤：获取桥梁拉索声发射信号；对所获取的桥梁拉索声发射信号进行多维度特征提取，构建综合特征向量；基于所构建的综合特征向量和预设的信号识别模型，识别桥梁拉索断丝信号；对待识别的桥梁拉索钢绞线施加荷载并拉伸，基于设置在所述桥梁拉索钢绞线表面的声发射传感器采集桥梁拉索声发射信号；基于时域分析、频域分析和时频分析实现所获取的桥梁拉索声发射信号的多维度特征提取；对所获取的桥梁拉索声发射信号进行连续小波变换，对连续小波变换后的信号进行尺度能量比特征的计算，得到时频特征；其中，信号识别模型采用长短期记忆网络，模型输入层将信号提取的综合特征向量输入至该模型，模型的隐藏层的长短期记忆网络单元进一步挖掘综合特征向量的深度信息，并输出至全连接层，全连接层完成对最终输出的维度转换，全连接层将结果输出至softmax分类层，完成对输入信号的预测，输出层输出预测值；根据损失函数，模型进行反向计算来更新模型的参数，经过多轮的训练，模型参数调整完成，基于训练集可以构建起信号的识别模型；在桥梁拉索断丝信号识别的过程中，基于所构建的信号识别模型进行训练样本标签值的设定，根据信号识别模型的输入信号的信号预测的标签值，完成桥梁拉索断丝信号的识别；所构建的模型准确识别绝大部分断丝信号和非断丝信号；从时域、频域、时频分析多维度进行信号特征提取，选取了分类能力较强的特征参数，构建了表征声发射信号的综合特征向量；基于LSTM构建断丝信号识别模型，在测试集上表现出较好的性能；和传统机器学习算法模型相比，所构建的断丝信号识别模型可以准确识别绝大部分断丝和非断丝信号，表现出对断丝信号的较好识别能力。

全文数据：

权利要求：

百度查询： 山东大学 基于长短期记忆网络的桥梁拉索断丝信号识别方法及系统

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