公开(公告)号：CN118939986B

公开(公告)日：2024-12-13

申请号：CN202411433194.4

申请日：2024-10-15

Applicant: 湖南科技大学

Inventor： 王宪 ,  彭兆鑫 ,  赵前程 ,  刘楚梁 ,  栗天帅

IPC: G06F18/21 ,  G06F18/214 ,  G06F18/2431 ,  G06F18/2415 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于振动数据二维化和多类别增广的结构损伤识别方法，涉及损伤识别算法技术领域，所述识别方法，首先，为充分利用传感器之间的时间与空间关联信息，将多个传感器的信号构建为二维多通道时频谱图，作为多尺度特征提取网络GoogLeNet的输入；接着，针对实际工程中难以获得数量足够训练深度学习网络的损伤样本的问题，利用辅助判别器生成对抗网络ADC‑GAN 实现多类别样本数据增广；然后，采用提出的混合损失函数训练多尺度特征提取网络 GoogLeNet，提升骨干网络的训练效果；最后，利用GoogLeNet对实时输入样本进行分类，获得结构状态的评估结果。

公开(公告)号：CN118939986A

公开(公告)日：2024-11-12

申请号：CN202411433194.4

申请日：2024-10-15

Applicant: 湖南科技大学

Inventor： 王宪 ,  彭兆鑫 ,  赵前程 ,  刘楚梁 ,  栗天帅

IPC: G06F18/21 ,  G06F18/214 ,  G06F18/2431 ,  G06F18/2415 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于振动数据二维化和多类别增广的结构损伤识别方法，涉及损伤识别算法技术领域，所述识别方法，首先，为充分利用传感器之间的时间与空间关联信息，将多个传感器的信号构建为二维多通道时频谱图，作为多尺度特征提取网络GoogLeNet的输入；接着，针对实际工程中难以获得数量足够训练深度学习网络的损伤样本的问题，利用辅助判别器生成对抗网络ADC‑GAN实现多类别样本数据增广；然后，采用提出的混合损失函数训练多尺度特征提取网络GoogLeNet，提升骨干网络的训练效果；最后，利用GoogLeNet对实时输入样本进行分类，获得结构状态的评估结果。