.png){kind=icon}
返回
An Unsupervised Structural Damage Diagnosis Method Based on Deep Learning and Sensor Interrelationships
.png){kind=icon}
OA
AI
DOI：10.1155/stc/8821227.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的无监督结构损伤诊断方法，该方法将结构损伤诊断问题转化为在监测数据中识别异常数据的问题。该方法基于图结构建立传感器间关系，优化图神经网络（GNN）模型的超参数，并实现结构响应预测。通过计算预测响应与监测数据之间的差异，该方法识别异常以促进结构损伤的识别与定位。该方法在螺栓松动检测方面的效率，通过分析振动看台模拟器采集的加速度数据以及缩尺塔模型风洞试验的应变数据进行了评估。实验结果表明，所建立的连接可以提供传感器相对重要性的初步指示，这也可被视为结构中每个节点的度量。该方法在基础设施结构中微小损伤的检测与定位方面是有效的。
Keyword:
deep learning
graph neural network
sensor connection
unsupervised structural damage diagnosis
期刊
IF:
5.1
论文数:
242
被引数:
9.2K
机构
暂无机构信息
引用论文
On hyperparameter optimization of machine learning algorithms: Theory and practice机器学习算法的超参数优化: 理论与实践.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Automated damage diagnosis of concrete jack arch beam using optimized deep stacked autoencoders and multi-sensor fusion基于优化的深层自编码器和多传感器融合的混凝土千斤顶拱梁损伤自动诊断OAAI
OAAI分享收藏分享收藏
查看更多内容