基于人工神经网络的固体结构波动损伤检测

结构损伤的识别在现代经济中扮演着越来越重要的角色，对基础设施的监测往往是使其维持公共使用的最后手段。传统监测方法需要专业工程师且主要耗时。本研究探讨了神经网络基于训练过程识别结构特性初始状态或变化的能力。本文工作基于卷积神经网络（CNN）进行波场模式识别，更具体地说是波场变化识别。该 CNN 模型用于识别结构内裂纹萌生后传播波场中的变化。本文描述了所实现的方法及获得成功的裂纹检测精度所需的训练流程，其中训练数据基于动态晶格模型。尽管模型训练仍耗时，所提出的新方法在传统监测方法中具有成为新型裂纹检测或结构健康监测方法的巨大潜力。