基于深度学习的结构健康监测系统异常数据识别方法研究

摘要

文章介绍一种基于深度学习的结构健康监测系统中异常数据识别方法,以数据可视化的图像为输入样本,对基于深度学习的卷积神经网络模型进行迭代训练,训练之后的模型可以对数据的异常类型进行识别.为了验证该方法,采用一组结构健康监测系统中的若干加速度传感器数据进行试验,将传感器数据按照1 h的间隔进行划分并可视化,将可视化图片带入模型中进行训练.结果显示,该数据集中训练的模型对异常类型的预测精度可达93.6％.