基于内积矩阵及卷积自编码器的螺栓松动状态监测

摘要：

螺栓连接结构中的螺栓松动容易导致结构失效,如何对结构中的螺栓松动状态进行监测是当前研究的一个热点.该文利用环境激励下结构振动响应的相关性分析,结合深度学习技术,研究了一种联合使用内积矩阵(inner product matrix,IPM)和卷积自编码器(convolutional autoencoder,CAE)的神经网络模型,即基于内积矩阵及卷积自编码器(inner product matrix and convolutional autoencoder,IPM-CAE)的深度学习模型.通过对螺栓连接搭接板的螺栓松动状态监测的试验研究,验证了该方法的可行性及有效性,并与使用IPM的卷积神经网络(convolutional neural network,CNN)、堆栈自动编码器(stack autoencoder,SAE)及胶囊网络(capsule network,CapsNet)相比,IPM-CAE方法具有较快的网络训练收敛速度和较高的识别精度.

关键词：结构健康监测、深度学习、卷积自编码器、内积矩阵、螺栓松动

所属期刊栏目：39

分类号：TP181(自动化基础理论)

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：222-231