上海交通大学学报 ›› 2021, Vol. 55 ›› Issue (5): 527-535.doi: 10.16183/j.cnki.jsjtu.2020.095
所属专题: 《上海交通大学学报》2021年“交通运输工程”专题; 《上海交通大学学报》2021年12期专题汇总专辑
收稿日期:
2020-04-01
出版日期:
2021-05-28
发布日期:
2021-06-01
通讯作者:
王德禹
E-mail:dywang@sjtu.edu.cn
作者简介:
张松林(1995-),男,山东省济宁市人,硕士生,主要研究方向为船体结构损伤检测.
基金资助:
ZHANG Songlin, MA Dongliang, WANG Deyu()
Received:
2020-04-01
Online:
2021-05-28
Published:
2021-06-01
Contact:
WANG Deyu
E-mail:dywang@sjtu.edu.cn
摘要:
针对板不同位置裂纹损伤的智能分类问题,提出了一种基于长短期记忆(LSTM)神经网络的板裂纹损伤检测方法.采用Abaqus二次开发建立板裂纹损伤模型,计算高斯白噪声激励下板的加速度响应,并通过数据扩充方法生成数据集,同时考虑了噪声对损伤检测的影响.建立基于LSTM的板裂纹智能检测模型,直接将板的加速度响应作为输入,不需要额外的损伤特征提取,并以最小预测误差为目标,选择模型的超参数,优化模型配置.与多层感知机模型和基于小波包变换的多层感知机模型进行对比表明,本文提出的LSTM模型在板裂纹损伤检测中具有更高的损伤定位精度和更好的适用性.
中图分类号:
张松林, 马栋梁, 王德禹. 基于长短期记忆神经网络的板裂纹损伤检测方法[J]. 上海交通大学学报, 2021, 55(5): 527-535.
ZHANG Songlin, MA Dongliang, WANG Deyu. Method for Plate Crack Damage Detection Based on Long Short-Term Memory Neural Network[J]. Journal of Shanghai Jiao Tong University, 2021, 55(5): 527-535.
[1] | 张敬芬, 赵德有. 工程结构裂纹损伤振动诊断的发展现状和展望[J]. 振动与冲击, 2002, 21(4):22-26. |
ZHANG Jingfen, ZHAO Deyou. Summary review of vibration-based crack diagnosis technique for engingeering structures[J]. Journal of Vibration and Shock, 2002, 21(4):22-26. | |
[2] | 贾连徽, 任慧龙, 孙树政, 等. 船体结构应力监测点的选取方法研究[J]. 船舶力学, 2013, 17(4):389-397. |
JIA Lianhui, REN Huilong, SUN Shuzheng, et al. Research on ship structural stress monitoring points selection method[J]. Journal of Ship Mechanics, 2013, 17(4):389-397. | |
[3] | YANG J, HWANG C N, YANG B L. Crack identification in beams and plates by discrete wavelet transform method[J]. Journal of Ship Mechanics, 2008, 12(3):464-472. |
[4] |
MEHRJOO M, KHAJI N, MOHARRAMI H, et al. Damage detection of truss bridge joints using Artificial Neural Networks[J]. Expert Systems with Applications, 2008, 35(3):1122-1131.
doi: 10.1016/j.eswa.2007.08.008 URL |
[5] |
GREFF K, SRIVASTAVA R K, KOUTNÍK J, et al. LSTM: A search space odyssey[J]. IEEE Transactions on Neural Networks and Learning Systems, 2017, 28(10):2222-2232.
doi: 10.1109/TNNLS.2016.2582924 URL |
[6] | 张建付, 宋雨, 李刚, 等. 基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法[J]. 计算机测量与控制, 2017, 25(1):16-19. |
ZHANG Jianfu, SONG Yu, LI Gang, et al. A method of fault diagnosis for rolling bearing of wind turbines based on long short-term memory neural network[J]. Computer Measurement & Control, 2017, 25(1):16-19. | |
[7] | ZOU P, HOU B C, LEI J, et al. Bearing fault diagnosis method based on EEMD and LSTM[J]. International Journal of Computers Communications & Control, 2020, 15(1):1-14. |
[8] | 陈伟, 陈锦雄, 江永全, 等. 基于RS-LSTM的滚动轴承故障识别[J]. 中国科技论文, 2018, 13(10):1134-1141. |
CHEN Wei, CHEN Jinxiong, JIANG Yongquan, et al. Fault identification of rolling bearing based on RS-LSTM[J]. China Sciencepaper, 2018, 13(10):1134-1141. | |
[9] | YU L, QU J L, GAO F, et al. A novel hierarchical algorithm for bearing fault diagnosis based on stacked LSTM[J]. Shock and Vibration, 2019, 2019:1-10. |
[10] | LUO P, HU Y. Research on rolling bearing fault Identification method based on LSTM neural network[C]//2018 International Conference on Mechanical Engineering, Materials Science and Civil Engineering, Xiamen, China: nstitute of Physics Publishing, 2019, 542:012048. |
[11] | SRIVASTAVA N, HINTON G E, KRIZHEVSKY A, et al. Dropout: A simple way to prevent neural networks from overfitting[J]. Journal of Machine Learning Research, 2014, 15(1):1929-1958. |
[12] |
LIN Y Z, NIE Z H, MA H W. Structural damage detection with automatic feature-extraction through deep learning[J]. Computer-Aided Civil and Infrastructure Engineering, 2017, 32(12):1025-1046.
doi: 10.1111/mice.2017.32.issue-12 URL |
[13] | 李世玲, 李治, 李合生. 基于小波包能量特征的滚动轴承故障监测方法[J]. 系统仿真学报, 2003, 15(1):76-80. |
LI Shiling, LI Zhi, LI Hesheng. The method of roller bearing fault monitoring based on wavelet packet engergy feature[J]. Journal of System Simulation, 2003, 15(1):76-80. |
[1] | 李苗苗, 司伟建, 颜卫忠. 脉冲噪声环境下的二维DOA估计[J]. 空天防御, 2022, 5(2): 94-100. |
[2] | 孙翀, 田甜, 竺晓程, 杜朝辉. 风力机翼型非定常流场POD和EPOD分析[J]. 上海交通大学学报, 2022, 56(1): 45-52. |
[3] | 谭嘉, 李知艺, 杨欢, 赵荣祥, 鞠平. 基于分布式优化思想的配电网用电负荷多层协同预测方法[J]. 上海交通大学学报, 2021, 55(12): 1544-1553. |
[4] | 董祥祥, 吕润妍, 蔡云泽. 基于变分贝叶斯理论的不确定厚尾噪声滤波方法[J]. 上海交通大学学报, 2020, 54(9): 881-889. |
[5] | 赵婷, 王申涛, 牛林, 席沛丽, 蔡云泽. 合成孔径雷达图像舰船尾迹检测算法[J]. 上海交通大学学报, 2020, 54(12): 1259-1268. |
[6] | 潘丁浩,吴亚东,彭志刚,欧阳华,杜朝辉. 非均布轴流风扇叶片力特性及其尖峰噪声特性预测[J]. 上海交通大学学报, 2019, 53(6): 673-680. |
[7] | 王香婷,李晓春, 毛军发. 一种抑制同步开关噪声的电磁带隙结构微带线互连[J]. 上海交通大学学报, 2019, 53(5): 563-568. |
[8] | 彭志刚,欧阳华,吴亚东,田杰. 基于动-静叶片相位调制的冷却风扇离散噪声控制[J]. 上海交通大学学报(自然版), 2019, 53(4): 396-404. |
[9] | 黄家露, 黄文涛, 金江, 胡林, 蔡乾. 基于减谱法的本底噪声降低技术研究[J]. 空天防御, 2019, 2(2): 44-48. |
[10] | 李清,于汉,杨德庆. 多类振动噪声源下舰船水下噪声的耦合声场计算方法[J]. 上海交通大学学报(自然版), 2019, 53(2): 161-169. |
[11] | 练艺丹1,蔡俊1,张仲伟2,刘佳航1,王韬2. 大脑皮层对飞机飞越噪声的认知机制[J]. 上海交通大学学报(自然版), 2018, 52(8): 976-981. |
[12] | 曹潇,李富才. 高铁轮对过盈配合下导波传播特性[J]. 上海交通大学学报(自然版), 2018, 52(8): 891-897. |
[13] | 诸国华, 杨含坤. 第七代超深水钻井船起居舱室的舒适性设计[J]. 海洋工程装备与技术, 2018, 5(6): 367-371. |
[14] | 安成光,曹阳,张建武. 双筒式液压减振器节流孔气穴现象和噪声分析[J]. 上海交通大学学报(自然版), 2018, 52(3): 297-304. |
[15] | 戚贺,耿军平,王堃,梁仙灵,朱卫仁,樊婷婷,金荣洪. X波段高性能有源集成天线设计[J]. 上海交通大学学报(自然版), 2018, 52(10): 1249-1254. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||