公开(公告)号：CN117516780A

公开(公告)日：2024-02-06

申请号：CN202311514469.2

申请日：2023-11-14

Applicant: 大连理工大学

Inventor： 安永辉 ,  王博旭 ,  李宾宾 ,  欧进萍

IPC: G01L5/04 ,  G06F17/14 ,  G01M5/00

Abstract: 本发明属于拉索结构健康监测技术领域，提出一种不依赖模态阶数的拉索索力及其不确定性识别方法，步骤如下：确定待测拉索的基本特性；采集拉索结构的加速度响应；采用贝叶斯FFT模态识别算法处理加速度响应数据，识别出拉索频率与不确定性结果；基于识别出的频率及其不确定性，利用拉索索力和抗弯刚度的贝叶斯后验的迭代公式进行索力和刚度的识别，并利用不确定性求解公式求解识别不确定性。本发明的方法可同时给出拉索索力和抗弯刚度的精确识别结果，量化由于拉索激励未知、测量噪声和误差、频率识别误差等导致的识别索力和抗弯刚度的不确定性，不依赖频率阶数，所需采样时长较短，索力识别灵敏度高，为拉索的实时健康监测提供了方法。

公开(公告)号：CN117195376A

公开(公告)日：2023-12-08

申请号：CN202311279855.8

申请日：2023-09-28

Applicant: 大连理工大学

Inventor： 薛志林 ,  安永辉 ,  李宾宾 ,  欧进萍

IPC: G06F30/13 ,  G06F30/27 ,  G06F119/14

Abstract: 一种基于Deep‑FCSVDD的拉索结构实时早期预警方法，步骤如下：采集拉索结构的侧向加速度响应；制作频域数据集；训练1D‑CAE；根据1D‑CAE的计算结果确定中心向量；将1D‑CAE中训练的编码器权重作为Deep‑FCSVDD的初始权重；通过梯度下降优化初始化后的Deep‑FCSVDD模型；选择最佳模型权重并保存网络权重参数；每根拉索都独立训练一个Deep‑FCSVDD模型；利用训练完成的Deep‑FCSVDD模型提取拉索在健康状态下的侧向加速度响应的低维抽象特征，并通过提出的损伤指标定义损伤阈值。本方法不仅具有深度学习算法强大的特征提取能力，又具有可解释的损伤指标。