节点文献
基于无监督领域自适应算法的混凝土内部缺陷成像检测
【机构】 北京航空航天大学交通科学与工程学院；
【摘要】 内部缺陷是混凝土结构常见的病害,对内部缺陷进行定位对结构的安全具有重要意义。目前基于深度学习分析振动信号对混凝土内部缺陷的检测方法存在两个问题:1)传统的时频分析方法由于测不准原理无法体现数据敏感的损伤特征;2)没有大量的来自真实结构的标记数据可用。相比于传统时频分析技术,基于同步压缩的小波变换技术(WT-SST)能对时频能量进行高度集中和有效滤除噪音,为网络进行有效的特征提取提供基础。针对数据量有限的问题,该项目拟研究无监督领域自适应深度学习算法模型,将标记数值模拟数据(源域)与未标签的真实结构数据(目标域)进行特征迁移训练,并应用于对目标领域的缺陷检测。网络模型通过最大化域识别误差和最小化概率分布距离提取和学习两域二维时频图的域不变特征,最终通过预测的损伤概率作为指标对混凝土结构的内部缺陷进行二维云图成像。对混凝土内部缺陷进行定位使工程技术人员对缺陷进行修复提供了有力依据。
【基金】 国家自然科学基金(51978027)
- 【会议录名称】 第九届全国结构抗振控制与健康监测学术会议摘要集
- 【会议名称】第九届全国结构抗振控制与健康监测学术会议
- 【会议时间】2023-05-12
- 【会议地点】中国湖南长沙
- 【分类号】TU755.7
- 【主办单位】中国振动工程学会结构抗振控制与健康监测专业委员会