基于 Stockwell 变换与深度卷积神经网络的建筑结构劣化与损伤识别新方法
机器学习
2021-11-17 v2 计算机视觉与模式识别
摘要
本文提出并应用于建筑模型的一种新颖劣化与损伤识别流程（DIP）。此类结构应用所面临的挑战在于响应间的强相关性，且在处理具有高噪声水平的真实环境振动时更为复杂。因此，设计了一种 DIP，利用低成本环境振动，通过 Stockwell 变换（ST）分析加速度响应以生成谱图。随后，ST 输出成为为识别建筑模型劣化与损伤而建立的两系列卷积神经网络（CNNs）的输入。据我们所知，这是首次通过 ST 与 CNN 结合以高精度评估建筑模型上损伤与劣化。
引用
@article{arxiv.2111.06155,
title = {A Novel Approach for Deterioration and Damage Identification in Building Structures Based on Stockwell-Transform and Deep Convolutional Neural Network},
author = {Vahidreza Gharehbaghi and Hashem Kalbkhani and Ehsan Noroozinejad Farsangi and T. Y. Yang and Andy Nguyen and Seyedali Mirjalili and C. Malaga-Chuquitaype},
journal= {arXiv preprint arXiv:2111.06155},
year = {2021}
}
备注
11 figures and 11 Tables, Accepted in Journal of Structural Integrity and Maintenance