摘要
文中针对塔式起重机结构损伤诊断依赖较强的专业知识、诊断过程复杂且效率低的问题,基于深度学习理论提出面向塔式起重机结构数据自动分类的一维卷积神经网络模型.首先针对塔式起重机结构损伤数据匮乏的问题,通过分析塔式起重机顶端位移数据的结构特点,研究了塔式起重机结构损伤数据增强方法;其次基于1D CNN模型泛化理论,建立塔式起重机结构损伤诊断模型;最后通过研究超参数对诊断结果的影响规律,以及与目前方法的对比,验证了所提出方法有效性与鲁棒性,并给出了参数选择方案.结果表明:该方法在推荐超参数下诊断准确率达到97.3％,说明其能够有效、较为准确地实现塔式起重机结构损伤的诊断,为基于深度学习的塔式起重机智能损伤诊断方法提供了方法指导与理论依据.
国家科技期刊平台
NSTL
维普
万方数据