橋梁表面裂縫檢測具有重要意義。分布式光纖傳感器能夠以厘米級的空間分辨率一次測量獲取橋梁數(shù)百甚至上千米全尺度表面上的分布式應變。通過檢測分布式應變的異常改變發(fā)現(xiàn)橋梁表面裂縫,具有廣泛應用前景。然而,由于測量中的分布式應變往往信噪比較低,導致基于分布式應變的裂縫檢測具有較大的限制。深度學習通常能夠從低信噪比的數(shù)據(jù)中,自動獲取高質(zhì)量的特征,實現(xiàn)高質(zhì)量的目標檢測和分類。因此,開展基于深度學習的分布式應變裂縫檢測方法研究具有重要的理論和現(xiàn)實意義。本文設計并實現(xiàn)了一種基于堆疊卷積自編碼器（Stacking Convolutional Autoencoder,SCAE）的分布式應變裂縫檢測方法,并實驗驗證了本文方法的有效性。方法假設分布式應變由兩類應變序列排列組合而成,一類采樣于有裂縫的結(jié)構表面,一類采樣于無裂縫的結(jié)構表面,從而將裂縫檢測問題視為一種二分類問題。首先,將分布式應變做歸一化處理并劃分為一組等長的應變序列。然后,將預處理后的應變序列送入一維堆疊卷積自編碼器,自動獲取高質(zhì)量的特征。進而,基于SoftMax對特征實現(xiàn)二分類。最后,開展了工字梁鋼結(jié)構實驗室實驗和在役橋梁現(xiàn)場實驗。結(jié)果表明,對于... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

光納儀

SI與SR設置

常用激活函數(shù)


本文編號：3476947