基于計算機視覺的橋梁結(jié)構(gòu)局部損傷識別方法研究
發(fā)布時間:2022-02-23 03:15
橋梁結(jié)構(gòu)是一個國家和地區(qū)的重要經(jīng)濟命脈。橋梁結(jié)構(gòu)在全壽命服役周期中,不可避免地遭受到環(huán)境侵蝕、往復(fù)荷載及突發(fā)災(zāi)害(如地震)等復(fù)雜因素的耦合作用,產(chǎn)生結(jié)構(gòu)漸變損傷的萌生、發(fā)展和累積,導(dǎo)致服役性能不斷劣化。目前,國內(nèi)外學(xué)者一般采用基于動力反演的模態(tài)方法進行結(jié)構(gòu)損傷識別、模型修正和安全評估。然而,此類方法往往只處理有限測點的不完備加速度監(jiān)測信息,并且依賴對早期微小損傷不敏感的頻率這一結(jié)構(gòu)整體屬性。另外,結(jié)構(gòu)損傷往往伴隨著復(fù)雜的非均質(zhì)背景干擾,常規(guī)識別方法在實際場景中的普適性較差。實際工程中的目視巡檢結(jié)果嚴(yán)重依賴于主觀意識、量化不準(zhǔn)確,成本昂貴。針對以上難題,本文研究基于計算機視覺的不同類型橋梁結(jié)構(gòu)局部損傷自主智能識別方法,包括研究局部像素信息閾值處理、統(tǒng)計特征無監(jiān)督高斯聚類建模、基于深度受限玻爾茲曼機高層次特征提取、基于深度有向無環(huán)圖卷積神經(jīng)網(wǎng)絡(luò)多層次特征融合以及基于區(qū)域推薦機制的目標(biāo)檢測算法,發(fā)展拉索腐蝕疲勞退化評估、鋼箱梁微小疲勞裂紋識別、鋼筋混凝土橋墩結(jié)構(gòu)多類型地震損傷識別定位等方法。主要研究內(nèi)容如下:提出基于圖像的在役拉索腐蝕狀態(tài)識別及疲勞壽命評估方法。研究基于腐蝕過程和表觀圖像統(tǒng)計...
【文章來源】:哈爾濱工業(yè)大學(xué)黑龍江省211工程院校985工程院校
【文章頁數(shù)】:192 頁
【學(xué)位級別】:博士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究的目的和意義
1.2 結(jié)構(gòu)損傷識別方法的發(fā)展概況
1.3 基于計算機視覺的結(jié)構(gòu)損傷識別方法概述
1.4 橋梁結(jié)構(gòu)損傷識別的國內(nèi)外研究現(xiàn)狀
1.4.1 拉索腐蝕及力學(xué)性能退化評估
1.4.2 結(jié)構(gòu)表面裂縫識別
1.4.3 鋼筋混凝土結(jié)構(gòu)地震損傷檢測
1.5 國內(nèi)外研究存在的不足
1.6 本文的主要研究內(nèi)容
第2章 基于視覺表觀的拉索高強鋼絲腐蝕過程時變識別與統(tǒng)計建模方法
2.1 引言
2.2 高強鋼絲加速腐蝕試驗
2.3 均勻腐蝕兩階段時變演化模型
2.4 基于閾值分割的點蝕蝕坑識別方法和二維演化規(guī)律
2.5 基于圖像的點蝕蝕坑三維統(tǒng)計建模方法
2.6 本章小結(jié)
第3章 基于視覺統(tǒng)計特征的在役拉索高強鋼絲腐蝕疲勞退化無損評估方法..
3.1 引言
3.2 腐蝕高強鋼絲的單軸拉伸力學(xué)模型
3.3 腐蝕高強鋼絲的疲勞性能退化模型
3.4 加速試驗和真實服役環(huán)境下高強鋼絲腐蝕疲勞退化的映射關(guān)系
3.5 基于圖像統(tǒng)計特征的在役高強鋼絲腐蝕疲勞退化評估方法
3.5.1 混合高斯模型
3.5.2 腐蝕圖像特征參數(shù)概率等效時變模型
3.5.3 在役拉索高強鋼絲疲勞性能評估方法
3.6 本章小結(jié)
第4章 鋼箱梁圖像背景分離和疲勞裂紋二分類受限玻爾茲曼機識別方法
4.1 引言
4.2 受限玻爾茲曼機理論
4.2.1 基于能量函數(shù)的玻爾茲曼機
4.2.2 受限玻爾茲曼機的基本架構(gòu)
4.2.3 基于似然函數(shù)的優(yōu)化方法
4.2.4 網(wǎng)絡(luò)參數(shù)更新的對比信度算法
4.3 基于堆棧受限玻爾茲曼機的鋼箱梁疲勞裂紋識別架構(gòu)
4.3.1 原始圖像采集
4.3.2 圖像預(yù)處理及訓(xùn)練樣本集
4.3.3 數(shù)據(jù)流與數(shù)據(jù)結(jié)構(gòu)
4.3.4 分批訓(xùn)練和超參數(shù)設(shè)置
4.4 裂紋識別的結(jié)果與討論
4.4.1 網(wǎng)絡(luò)模型訓(xùn)練過程
4.4.2 整幅圖像的裂紋識別流程和結(jié)果
4.4.3 二值分類識別準(zhǔn)確率評估指標(biāo)
4.4.4 基于層間相對重要性的隱藏層結(jié)點數(shù)量優(yōu)化方法
4.4.5 子單元大小的影響
4.4.6 低分辨率圖像的遷移識別
4.4.7 像素級裂紋識別及尺寸提取
4.5 本章小結(jié)
第5章 圖像強背景干擾下鋼箱梁微小疲勞裂紋多分類多級特征融合識別方法
5.1 引言
5.2 鋼箱梁疲勞裂紋識別的融合卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
5.2.1 卷積神經(jīng)網(wǎng)絡(luò)基本理論
5.2.2 多層級特征融合CNN網(wǎng)絡(luò)
5.3 數(shù)據(jù)預(yù)處理及參數(shù)設(shè)置
5.3.1 原始圖像及樣本集
5.3.2 不平衡樣本處理及數(shù)據(jù)增強
5.3.3 超參數(shù)設(shè)置及實現(xiàn)環(huán)境
5.4 結(jié)果與討論
5.4.1 融合DAG網(wǎng)絡(luò)和傳統(tǒng)鏈?zhǔn)紺NN的訓(xùn)練結(jié)果對比
5.4.2 單類測試集的識別效果
5.4.3 識別效果評價指標(biāo)
5.4.4 整幅圖像裂紋識別結(jié)果
5.4.5 超分辨率輸入對識別精度的影響
5.5 本章小結(jié)
第6章 基于區(qū)域推薦機制的橋墩多分類地震損傷識別與定位方法
6.1 引言
6.2 基于目標(biāo)檢測的多類型損傷分類識別與區(qū)域定位
6.3 基于區(qū)域推薦機制的多類損傷區(qū)域識別與定位架構(gòu)
6.3.1 區(qū)域推薦機制原理
6.3.2 多目標(biāo)損失函數(shù)及迭代訓(xùn)練
6.4 圖像標(biāo)記與參數(shù)設(shè)置
6.4.1 原始圖像及損傷區(qū)域真實值標(biāo)記
6.4.2 數(shù)據(jù)增強及超參數(shù)設(shè)置
6.5 橋墩地震損傷識別結(jié)果與討論
6.5.1 模型訓(xùn)練過程
6.5.2 多類型損傷區(qū)域識別結(jié)果及評價指標(biāo)
6.5.3 矩形定位框的誤差分析
6.5.4 特征提取器(卷積核)的可視化
6.6 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學(xué)位期間發(fā)表的論文及其它成果
致謝
個人簡歷
【參考文獻】:
期刊論文
[1]304不銹鋼在3.5%NaCl溶液中的點蝕動力學(xué)及機理[J]. 杜楠,田文明,趙晴,陳四兵. 金屬學(xué)報. 2012(07)
[2]自然銹蝕鋼筋的軸向拉伸疲勞試驗[J]. 張偉平,李士彬,顧祥林,朱慈勉. 中國公路學(xué)報. 2009(02)
[3]銹蝕鋼筋力學(xué)性能退化規(guī)律試驗研究[J]. 吳慶,袁迎曙. 土木工程學(xué)報. 2008(12)
[4]斜拉索退化機理及鋼絲力學(xué)模型[J]. 徐俊,陳惟珍,劉學(xué). 同濟大學(xué)學(xué)報(自然科學(xué)版). 2008(07)
[5]模擬酸雨溶液中應(yīng)力對鍍鋅鋼絞線腐蝕行為影響[J]. 黎學(xué)明,劉強,孔令峰,周建庭. 腐蝕科學(xué)與防護技術(shù). 2008(01)
[6]基于二維擴散方程的犧牲層腐蝕模擬與仿真[J]. 李艷輝,李偉華,周再發(fā). 固體電子學(xué)研究與進展. 2006(02)
[7]Prediction of Pitting Corrosion Mass Loss for 304 Stainless Steel by Image Processing and BP Neural Network[J]. ZHANG Wei, LIANG Cheng-hao(State Key Laboratory of Fine Chemicals, Dalian University of Technology, Dalian 116012, China). Journal of Iron and Steel Research(International). 2005(06)
[8]土木工程結(jié)構(gòu)損傷診斷研究進展[J]. 宗周紅,任偉新,阮毅. 土木工程學(xué)報. 2003(05)
[9]高強鋼絲鋼絞線在海洋環(huán)境中的腐蝕試驗[J]. 劉文華,李文春,馬全聲. 海威姆預(yù)應(yīng)力技術(shù). 2001(02)
[10]高強鋼絲鋼絞線在海洋環(huán)境中的腐蝕試驗[J]. 劉文華,李文春,馬全聲. 海威姆預(yù)應(yīng)力技術(shù). 2001 (02)
博士論文
[1]鋅鋁合金的組織性能優(yōu)化及相關(guān)基礎(chǔ)研究[D]. 劉洋.中南大學(xué) 2013
[2]平行鋼絲斜拉索全壽命安全評定方法研究[D]. 蘭成明.哈爾濱工業(yè)大學(xué) 2009
[3]橋梁拉(吊)索損傷后力學(xué)分析及安全評價[D]. 徐宏.長安大學(xué) 2008
[4]拉索損傷演化機理與剩余使用壽命評估[D]. 徐俊.同濟大學(xué) 2006
本文編號:3640758
【文章來源】:哈爾濱工業(yè)大學(xué)黑龍江省211工程院校985工程院校
【文章頁數(shù)】:192 頁
【學(xué)位級別】:博士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究的目的和意義
1.2 結(jié)構(gòu)損傷識別方法的發(fā)展概況
1.3 基于計算機視覺的結(jié)構(gòu)損傷識別方法概述
1.4 橋梁結(jié)構(gòu)損傷識別的國內(nèi)外研究現(xiàn)狀
1.4.1 拉索腐蝕及力學(xué)性能退化評估
1.4.2 結(jié)構(gòu)表面裂縫識別
1.4.3 鋼筋混凝土結(jié)構(gòu)地震損傷檢測
1.5 國內(nèi)外研究存在的不足
1.6 本文的主要研究內(nèi)容
第2章 基于視覺表觀的拉索高強鋼絲腐蝕過程時變識別與統(tǒng)計建模方法
2.1 引言
2.2 高強鋼絲加速腐蝕試驗
2.3 均勻腐蝕兩階段時變演化模型
2.4 基于閾值分割的點蝕蝕坑識別方法和二維演化規(guī)律
2.5 基于圖像的點蝕蝕坑三維統(tǒng)計建模方法
2.6 本章小結(jié)
第3章 基于視覺統(tǒng)計特征的在役拉索高強鋼絲腐蝕疲勞退化無損評估方法..
3.1 引言
3.2 腐蝕高強鋼絲的單軸拉伸力學(xué)模型
3.3 腐蝕高強鋼絲的疲勞性能退化模型
3.4 加速試驗和真實服役環(huán)境下高強鋼絲腐蝕疲勞退化的映射關(guān)系
3.5 基于圖像統(tǒng)計特征的在役高強鋼絲腐蝕疲勞退化評估方法
3.5.1 混合高斯模型
3.5.2 腐蝕圖像特征參數(shù)概率等效時變模型
3.5.3 在役拉索高強鋼絲疲勞性能評估方法
3.6 本章小結(jié)
第4章 鋼箱梁圖像背景分離和疲勞裂紋二分類受限玻爾茲曼機識別方法
4.1 引言
4.2 受限玻爾茲曼機理論
4.2.1 基于能量函數(shù)的玻爾茲曼機
4.2.2 受限玻爾茲曼機的基本架構(gòu)
4.2.3 基于似然函數(shù)的優(yōu)化方法
4.2.4 網(wǎng)絡(luò)參數(shù)更新的對比信度算法
4.3 基于堆棧受限玻爾茲曼機的鋼箱梁疲勞裂紋識別架構(gòu)
4.3.1 原始圖像采集
4.3.2 圖像預(yù)處理及訓(xùn)練樣本集
4.3.3 數(shù)據(jù)流與數(shù)據(jù)結(jié)構(gòu)
4.3.4 分批訓(xùn)練和超參數(shù)設(shè)置
4.4 裂紋識別的結(jié)果與討論
4.4.1 網(wǎng)絡(luò)模型訓(xùn)練過程
4.4.2 整幅圖像的裂紋識別流程和結(jié)果
4.4.3 二值分類識別準(zhǔn)確率評估指標(biāo)
4.4.4 基于層間相對重要性的隱藏層結(jié)點數(shù)量優(yōu)化方法
4.4.5 子單元大小的影響
4.4.6 低分辨率圖像的遷移識別
4.4.7 像素級裂紋識別及尺寸提取
4.5 本章小結(jié)
第5章 圖像強背景干擾下鋼箱梁微小疲勞裂紋多分類多級特征融合識別方法
5.1 引言
5.2 鋼箱梁疲勞裂紋識別的融合卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
5.2.1 卷積神經(jīng)網(wǎng)絡(luò)基本理論
5.2.2 多層級特征融合CNN網(wǎng)絡(luò)
5.3 數(shù)據(jù)預(yù)處理及參數(shù)設(shè)置
5.3.1 原始圖像及樣本集
5.3.2 不平衡樣本處理及數(shù)據(jù)增強
5.3.3 超參數(shù)設(shè)置及實現(xiàn)環(huán)境
5.4 結(jié)果與討論
5.4.1 融合DAG網(wǎng)絡(luò)和傳統(tǒng)鏈?zhǔn)紺NN的訓(xùn)練結(jié)果對比
5.4.2 單類測試集的識別效果
5.4.3 識別效果評價指標(biāo)
5.4.4 整幅圖像裂紋識別結(jié)果
5.4.5 超分辨率輸入對識別精度的影響
5.5 本章小結(jié)
第6章 基于區(qū)域推薦機制的橋墩多分類地震損傷識別與定位方法
6.1 引言
6.2 基于目標(biāo)檢測的多類型損傷分類識別與區(qū)域定位
6.3 基于區(qū)域推薦機制的多類損傷區(qū)域識別與定位架構(gòu)
6.3.1 區(qū)域推薦機制原理
6.3.2 多目標(biāo)損失函數(shù)及迭代訓(xùn)練
6.4 圖像標(biāo)記與參數(shù)設(shè)置
6.4.1 原始圖像及損傷區(qū)域真實值標(biāo)記
6.4.2 數(shù)據(jù)增強及超參數(shù)設(shè)置
6.5 橋墩地震損傷識別結(jié)果與討論
6.5.1 模型訓(xùn)練過程
6.5.2 多類型損傷區(qū)域識別結(jié)果及評價指標(biāo)
6.5.3 矩形定位框的誤差分析
6.5.4 特征提取器(卷積核)的可視化
6.6 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學(xué)位期間發(fā)表的論文及其它成果
致謝
個人簡歷
【參考文獻】:
期刊論文
[1]304不銹鋼在3.5%NaCl溶液中的點蝕動力學(xué)及機理[J]. 杜楠,田文明,趙晴,陳四兵. 金屬學(xué)報. 2012(07)
[2]自然銹蝕鋼筋的軸向拉伸疲勞試驗[J]. 張偉平,李士彬,顧祥林,朱慈勉. 中國公路學(xué)報. 2009(02)
[3]銹蝕鋼筋力學(xué)性能退化規(guī)律試驗研究[J]. 吳慶,袁迎曙. 土木工程學(xué)報. 2008(12)
[4]斜拉索退化機理及鋼絲力學(xué)模型[J]. 徐俊,陳惟珍,劉學(xué). 同濟大學(xué)學(xué)報(自然科學(xué)版). 2008(07)
[5]模擬酸雨溶液中應(yīng)力對鍍鋅鋼絞線腐蝕行為影響[J]. 黎學(xué)明,劉強,孔令峰,周建庭. 腐蝕科學(xué)與防護技術(shù). 2008(01)
[6]基于二維擴散方程的犧牲層腐蝕模擬與仿真[J]. 李艷輝,李偉華,周再發(fā). 固體電子學(xué)研究與進展. 2006(02)
[7]Prediction of Pitting Corrosion Mass Loss for 304 Stainless Steel by Image Processing and BP Neural Network[J]. ZHANG Wei, LIANG Cheng-hao(State Key Laboratory of Fine Chemicals, Dalian University of Technology, Dalian 116012, China). Journal of Iron and Steel Research(International). 2005(06)
[8]土木工程結(jié)構(gòu)損傷診斷研究進展[J]. 宗周紅,任偉新,阮毅. 土木工程學(xué)報. 2003(05)
[9]高強鋼絲鋼絞線在海洋環(huán)境中的腐蝕試驗[J]. 劉文華,李文春,馬全聲. 海威姆預(yù)應(yīng)力技術(shù). 2001(02)
[10]高強鋼絲鋼絞線在海洋環(huán)境中的腐蝕試驗[J]. 劉文華,李文春,馬全聲. 海威姆預(yù)應(yīng)力技術(shù). 2001 (02)
博士論文
[1]鋅鋁合金的組織性能優(yōu)化及相關(guān)基礎(chǔ)研究[D]. 劉洋.中南大學(xué) 2013
[2]平行鋼絲斜拉索全壽命安全評定方法研究[D]. 蘭成明.哈爾濱工業(yè)大學(xué) 2009
[3]橋梁拉(吊)索損傷后力學(xué)分析及安全評價[D]. 徐宏.長安大學(xué) 2008
[4]拉索損傷演化機理與剩余使用壽命評估[D]. 徐俊.同濟大學(xué) 2006
本文編號:3640758
本文鏈接:http://www.sikaile.net/kejilunwen/daoluqiaoliang/3640758.html
教材專著