请选择 进入手机版 | 继续访问电脑版
我的账户
52监测网

安全监测第一站

亲爱的游客,欢迎!

已有账号,请

如尚未注册?

[路桥新闻] 桥梁安全监测的大数据方法的研究取得新突破

[复制链接]
请叫我徐小枣 发表于 2017-12-27 10:14:53 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题

一分钟快速注册,登录后可查看、下载更多资源。

您需要 登录 才可以下载或查看,没有帐号?立即注册   

x

马宏伟教授带领的研究团队关于大数据的桥梁损伤检测论文在国际著名杂志《Computer-Aided Civil and Infrastructure Engineering》(Vol32, December 2017, Page1025-1046) 正式发表,该国际杂志是土木与结构领域影响因子排名第一的1区期刊,影响因子为5.79。马宏伟教授为文章的通讯作者,第一作者是马宏伟教授博士研究生林逸洲。文章在国际上率先提出用大数据的深度学习方法应用于大型桥梁的安全监测领域,为这一领域提供了一种全新的方法。

大型桥梁结构的老化对于当前社会来说已经成为了一个不可避免的问题。而在健康监测的工程实践中,一座桥梁往往安装了成百上千的传感器,数据容量巨大且影响因素众多,难以从中进一步得到有用的信息。传统的特征提取手段主要有动力指纹与数据驱动两大类,然而这些特征提取手段由于有着各自的缺点在实际工程中应用困难。针对这些问题,研究团队将深度学习领域中广泛应用的多层卷积神经网络(Convolutional Neural Network, CNN)应用到结构损伤检测任务中,以达到从数据中学习,从结构的时域响应中自动提取特征的效果。

文章提供了一种新的解决该问题的框架——大数据思想。对于一个问题,传统的解决方法往往是分析导致“结果”的“原因”,找出“原因”后再利用这个因果关系来解决实际“应用”问题。然而,现实世界是复杂的,导致一个“结果”的“原因”往往无比繁多。另一种思维方式则是直接联系“结果”(数据)与“应用”(解决问题)。对于一个具体应用问题,两个变量之间的关系可能并不明确,而且关系复杂,而利用智能算法则可以从大量数据中构建两者的关系。这正是“大数据”一词中的核心思想。而本文正是遵循了这种思想,只从数据中使算法自动挖掘变量之间的联系。

以结构的加速度和结构的真实损伤情况组成数据对,训练多层神经网络(图1)。不同于传统神经网络,文中开发的神经网络直接以结构的响应为输入而不依赖任何人工设计的特征,直接把加速度时域信号映射至损伤信息。测试结果表明,该方法有着独立从数据中学习结构特征的能力,并有着惊人的损伤检测能力(图2)。


                               
登录/注册后可看大图

图1卷积神经网络


                               
登录/注册后可看大图

2 不同工况下单损伤定位准确率:1为卷积神经网络算法,234为其他方法

文章同时考虑了多损伤的识别与定位于噪声影响下的检测情况,结果显示依然有着良好的预测结果(图3)。


                               
登录/注册后可看大图

3多损伤识别结果

除此之外,为了探明卷积神经网络究竟是如何实现自动特征提取,文章将隐藏层可视化,探究神经网络究竟学习到了什么特征。结果发现,神经网络学习到的是一个个带通滤波器,独立学习到了结构模态的概念(图4)。


                               
登录/注册后可看大图

4 网络中间层学习到了简支梁第三阶模态的概念

  马宏伟教授为教育部“长江学者”特聘教授,东莞理工学院副校长。现任教育部力学专业教学指导委员会委员,中国力学学会理事,中国力学学会教育工作委员会副主任委员,中国力学学会爆炸力学专业委员会冲击动力学专业组副组长。他多年从事力学研究,共出版专著2部,发表论文150余篇,三大索引收录的高水平论文90余篇,授权发明专利4项,软件著作权1项。


回复

使用道具 举报

精彩评论2

索隆莱托 发表于 2017-12-27 15:10:26 | 显示全部楼层
哎呀呀,动态数据与损伤的训练学习样本数据在哪儿,属于哪些桥? 样本数少了,学习的偏差不具备可参考意义,但方法是可行的,就像训练识别图片和手写体数字字母一样....
回复 支持 反对

使用道具 举报

 楼主| 请叫我徐小枣 发表于 2018-1-4 10:25:37 | 显示全部楼层
论文原文下载地址:通过深度学习自动提取特征的结构损伤检测http://onlinelibrary.wiley.com/d ... _DENIED_NO_CUSTOMER
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册   

本版积分规则

关注0

粉丝0

帖子352

发布主题
推荐阅读
关注我们
自动化监测技术交流

客服电话:010-62978778

客服邮箱:admin@52jiance.cn

周一至周五 8:30-17:30

地址:北京海淀区信息路甲28号B座09B

Powered by Discuz! X3.2@ 2001-2013 Comsenz Inc. 京ICP备16000992号-2 京公网安备 11010802022300号