基于 CNN 利用时间序列传感器数据的结构损伤检测
机器学习
2023-11-10 v2 信号处理
摘要
结构健康监测（SHM）对评估结构状况至关重要，旨在借助传感器数据分析检测损伤。它契合现代工业的预测性维护，通过处理潜在结构问题最小化停机与成本。多种机器学习技术已用于从振动数据提取有价值信息，常依赖先验结构知识。本研究引入一种利用新颖卷积神经网络（CNN）算法的结构损伤检测创新方法。为从时间序列数据提取深层空间特征，CNN 被训练识别长期时间关联。该方法融合空间与时间特征，相较仅依赖深层空间特征的方法增强了判别能力。所提神经网络将时间序列数据分为两类：未损伤与损伤。为验证效用，使用洛斯阿拉莫斯国家实验室（LANL）三层结构导出的基准数据集测试了方法准确率。结果表明，新 CNN 算法在识别被测结构退化上非常准确。
引用
@article{arxiv.2311.04252,
title = {CNN-Based Structural Damage Detection using Time-Series Sensor Data},
author = {Ishan Pathak and Ishan Jha and Aditya Sadana and Basuraj Bhowmik},
journal= {arXiv preprint arXiv:2311.04252},
year = {2023}
}
备注
13 pages, 5 figures