买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中科技大学

摘要：本发明公开了一种基于深度学习导纳特征的混凝土压应力识别方法和系统，其中方法包括：在预设频段内扫频得到混凝土结构在不同压应力状态下的导纳信号；将预设频段划分为多个子频段，计算混凝土结构在各子频段内的导纳信号相对于混凝土结构在无压应力状态下各子频段内的导纳信号的偏差，将偏差最大的子频段作为目标频段；将目标频段内的导纳信号组成训练数据，训练BP神经网络，以BP神经网络预测的压应力与导纳信号的真实压应力之间的误差最小为目标，训练至收敛，得到训练好的BP神经网络；将混凝土结构在未知压应力下的导纳信号输入BP神经网络，得到预测压应力。本发明可以准确高效的识别混凝土结构在不同状态下的压应力。

主权项：1.一种基于深度学习导纳特征的混凝土压应力识别方法，其特征在于，包括：将混凝土结构在未知压应力下的导纳信号处理为三维数据后输入三维卷积神经网络，得到预测压应力；所述三维卷积神经网络通过如下方式训练：在预设频段内扫频得到混凝土结构在不同压应力状态下的导纳信号；将预设频段划分为多个子频段，计算混凝土结构在各子频段内的导纳信号相对于混凝土结构在无压应力状态下各子频段内的导纳信号的偏差，将偏差最大的三个子频段作为目标频段；将目标频段内的导纳信号组成三维输入数据，训练三维卷积神经网络，以三维卷积神经网络预测的压应力与导纳信号的真实压应力之间的误差最小为目标，训练至收敛，得到训练好的三维卷积神经网络；所述三维输入数据通过如下方式组成：将目标频段内的导纳信号两两做矩阵乘法，得到三个二维矩阵，分别将二维矩阵进行归一化后堆叠得到三维输入数据；3DCNN神经网络的基本结构是：两个大卷积层，两个全连接层；第一个大卷积层先是一个卷积层进行卷积操作，输入数据为1×3×16×16；3个尺寸为3×5×5的卷积核，填充和步长都为1，输出结果为3×3×16×16；然后是归一化层进行批归一化操作，将卷积得到后的结果按照批大小进行归一化，归一化后的输出结果尺寸不变；然后池化层进行最大池化操作，池化尺寸为1×2×2，步长为1，不填充，输出结果为3×3×15×15；最后进行ReLU激活函数非线性变换，输出尺寸不变，为3×3×15×15；第二个大卷积层先是卷积层进行卷积操作，输入数据为3×3×15×15；10个尺寸为3×5×5的卷积核，步长为1，不填充，输出结果为10×1×10×10；然后是归一化层进行批归一化操作，将卷积得到后的结果按照批大小进行归一化，归一化后的输出结果尺寸不变；然后池化层进行最大池化操作，池化尺寸为1×2×2，步长为1,2,2，不填充，输出结果为10×1×5×5；最后进行ReLU激活函数非线性变换，输出尺寸不变，为10×1×5×5；后面是两个全连接层，先将第二个大卷积层输出数据展开，得到250×1的一维数据；第一个全连接层先做卷积层输出的一维数据线性变化，将250×1的数据变换为80×1的数据，然后进行ReLU函数激活非线性变换；第二个全连接层只做线性变换，将80×1的数据变换为14×1的数据，然后经过Softmax函数变换输出最终结果。

全文数据：

权利要求：

百度查询： 华中科技大学 基于深度学习导纳特征的混凝土压应力识别方法和系统