首页 > 资讯 > 基于深度双向循环神经网络的结构损伤识别算法研究

基于深度双向循环神经网络的结构损伤识别算法研究

声明

摘要

英文摘要

目录

第一章绪论

1.1研究背景与意义

1.2国内外研究现状分析

1.3本文主要研究内容

1.4论文组织结构

第二章基于动态阈值的结构振动数据异常点处理

2.1引言

2.2结构振动数据的异常点监测

2.2.1基于指数加权移动平均法算法的感知数据拟合

2.2.2时序动态阈值的确立

2.3结构振动数据的异常值填补

2.4异常点处理流程

2.5本章小结

第三章基于信息增益率的结构振动数据特征选择

3.2结构健康监测感知数据领域特性分析

3.3特征选择方法概述

3.4基于信息增益率的结构振动数据特征选择

3.4.1结构振动数据特征选择方法

3.4.2结构振动数据离散化预处理方法

3.4.3基于信息增益率的结构振动数据特征选择整体计算流程

3.5本章小结

第四章基于Bi-Directional LSTM模型的结构损伤识别

4.1引言

4.2.2 Long-Short Term Memory

4.2.3 Bi-Directional LSTM

4.3基于Bi-Directional LSTM神经网络的结构损伤识别算法

4.3.1结构损伤识别模型输入数据变换

4.3.3模型训练优化算法概述

4.4本章小结

第五章实验验证与方法评估

5.2.1 Bookshelf数据集介绍

5.2.2 Spring Beam数据集介绍及统计分析

5.2.3实验对比算法设计

5.2.4评价指标概述

5.2.5实验平台

5.3 Bookshelf数据集实验过程及结果

5.3.1 Bookshelf数据集异常点监测

5.3.2 Bookshelf特征提取

5.3.3 Bookshelf损伤识别

5.3.4 Bookshelf结果对比及评价

5.4 Spring Beam数据集实验过程及结果

5.4.2 Spring Beam特征提取阶段

5.4.3 Spring Beam损伤识别

5.4.4 Spring Beam结果对比及评价

5.5本章小结

第六章结论与展望

6.1主要结论

6.2工作展望

后记

参考文献

攻读硕士期间发表的论文及专利情况

相关知识

深度主成分分析:结构损伤识别的增强方法,Structural Health Monitoring
轨道车辆结构振动损伤识别技术综述
基于计算机辅助检测乳腺肿瘤的图像处理与识别的研究
基于云计算的空间结构健康监测物联网系统研究
基于拉曼光谱无损伤检测苹果农药残留的研究
BP神经网络梯度:训练与优化的关键
面向航天器振动试验的结构健康状态检测方法研究
基于近场MUSIC算法的复合材料结构健康监测研究
基于新型树状结构的无线传感器网络桥梁结构健康监测系统研究
基于BIM的结构健康监测研究

网址: 基于深度双向循环神经网络的结构损伤识别算法研究 https://m.trfsz.com/newsview1227431.html