使用人工神经网络与合成数据的结构损伤识别
机器学习
2017-03-29 v1 计算工程、金融与科学
摘要
本文提出了一种基于实时振动的识别技术，该技术使用随机振动载荷下测得的频率响应函数（FRFs）。人工神经网络（ANNs）被训练以将损伤指纹映射到损伤特征参数。主成分统计分析（PCA）技术被用于解决工业结构中常见的数据高维和高噪声问题。本研究将裂纹、铆钉孔扩张和冗余均匀质量视为结构上的损伤。使用 PCA 降维后的频率响应函数数据被输入到各个神经网络中，以定位并预测结构损伤的严重程度。该人工神经网络系统使用数值模型和实验模型数据进行训练，以确保系统的可靠性和鲁棒性。该方法被应用于加筋板结构的数值模型，其中损伤被限制在靠近加强筋的位置。结果表明，在所考虑的所有情况下，均能以极高的精度和可靠性定位并预测损伤发生的严重程度。
引用
@article{arxiv.1703.09651,
title = {Structural Damage Identification Using Artificial Neural Network and Synthetic data},
author = {Divya Shyam Singha and G. B. L. Chowdarya and D Roy Mahapatraa},
journal= {arXiv preprint arXiv:1703.09651},
year = {2017}
}
备注
6 pages,6 figures, ISSS conference