基于卷积神经网络的海洋平台损伤识别实验系统开发

2021-02-27 03:23:30包兴先范同轩
实验室研究与探索 2021年1期
关键词:实验模型

包兴先, 范同轩, 张 敬, 张 亚

(中国石油大学(华东)石油工程学院,山东青岛266580)

0 引 言

海洋平台长期服役于复杂恶劣的海洋环境,将不可避免地受到损伤,对海洋平台进行损伤识别对于确保海上作业安全和结构的完整性管理起着至关重要的作用[1-2]。近年来,基于振动响应的损伤识别方法已得到广泛应用,该方法可以分为参数方法和非参数方法两大类[3]。参数方法,即基于结构损伤前后的模态参数或其相关参量的变化来获得损伤敏感特征。在过去的几十年中,参数方法取得了重大进展[4-7]。然而,参数方法在实际应用中仍然存在一些挑战性问题,例如模态信息不完备,测量噪声和方程组求解的病态问题等[8-11]。非参数方法,也称为数据驱动方法,旨在直接从测得的结构振动响应信号中提取损伤敏感特征,而不需进行结构的模态参数识别[3,12-14]。尽管非参数方法不需要识别模态参数或解决任何全局优化问题,但是也面临着海量数据处理、测量噪声等困难。而机器学习,特别是近年来发展的深度学习方法由于其较好的冗余处理和容错性,可以为此提供解决方案。

如今,深度学习已广泛应用于计算机视觉、语音识别和图像处理等领域[15-16],并取得了令人满意的结果。深度学习算法具有良好的模式分类和泛化能力,在结构损伤识别中也具有广阔的应用前景。与普通的神经网络和支持向量机相比,卷积神经网络(CNN)作为一种深度学习算法,使用梯度下降法获取模型的参数,从而使网络具有提取模型特征的能力,避免了传统机器学习方法中复杂的特征提取过程。……

登录APP查看全文

猜你喜欢
实验模型
一半模型
记一次有趣的实验
重尾非线性自回归模型自加权M-估计的渐近分布
做个怪怪长实验
3D打印中的模型分割与打包
NO与NO2相互转化实验的改进
实践十号上的19项实验
太空探索(2016年5期)2016-07-12 15:17:55
FLUKA几何模型到CAD几何模型转换方法初步研究
《实验流体力学》征稿简则
一个相似模型的应用