桥梁结构的未标记模态特征稀疏编码深度学习监测.pdf

《桥梁结构的未标记模态特征稀疏编码深度学习监测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３３卷第１２期计算机应用研究Ｖｏｌ．３３Ｎｏ．１２２０１６年１２月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＤｅｃ．２０１６*桥梁结构的未标记模态特征稀疏编码深度学习监测１１２陈莹，黄永彪，谢瑾（１．广西民族大学预科教育学院，南宁５３０００６；２．武汉大学计算机学院，武汉４３００７２）摘要：由于大部分建筑物结构健康问题是累积性损害，很难被实时检测到，实际结构和环境噪声的复杂性使得结构健康监测更加困难，并且现有方法在训练模型时需要大量的数据，但实际中对于数据的标记是很复杂的。为克服该问

2、题，通过配备无线传感器网络，采用稀疏编码实现桥梁结构健康监测，然后通过大量未标记实例在实现特征提取基础上进行稀疏编码算法训练，实现数据维度压缩和无标记数据预处理；并利用深度学习算法实现桥梁结构健康监测类别预测，同时基于线性共轭梯度对Ｈｅｓｓｉａｎ优化进行改进，利用半正定高斯—牛顿曲率矩阵替换不确定Ｈｅｓｓｉａｎ矩阵，进行二次目标组合，以实现深度学习算法效率提升。实验结果表明，所提深度学习桥梁结构安全检测算法实现了环境噪声稀疏编码水平下的高精度结构健康监测。关键词：结构安全；深度学习；稀疏编码；无线传感器

3、；桥梁结构中图分类号：ＴＰ１８１文献标志码：Ａ文章编号：１００１-３６９５（２０１６）１２-３７２５-０５ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１-３６９５．２０１６．１２．０４６Ｕｎｌａｂｅｌｅｄｍｏｄａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｂｒｉｄｇｅｓｔｒｕｃｔｕｒｅｓｐａｒｓｅｃｏｄｉｎｇｄｅｐｔｈｓｔｕｄｙｍｏｎｉｔｏｒｉｎｇ１１２ＣｈｅｎＹｉｎｇ，ＨｕａｎｇＹｏｎｇｂｉａｏ，ＸｉｅＪｉｎ（１．ＳｃｈｏｏｌｏｆＣｏｌｌｅｇｅ-ｐｒｅｐＦｏｕｎｄａｔｉｏｎＰｒｏｇｒａｍｍｅｆｏｒＮａｔｉｏｎ

4、ａｌｉｔｉｅｓ，ＧｕａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏｎａｌｉｔｉｅｓ，Ｎａｎｎｉｎｇ５３０００６，Ｃｈｉｎａ；２．Ｃｏｍ-ｐｕｔｅｒＳｃｈｏｏｌ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｄｕｅｔｏｔｈｅｍｏｓｔｈｅａｌｔｈｐｒｏｂｌｅｍｓｏｆｔｈｅｂｕｉｌｄｉｎｇｓｔｒｕｃｔｕｒｅｄａｍａｇｅｉｓｃｕｍｕｌａｔｉｖｅ，ｗｈｉｃｈｉｓｄｉｆｆｉｃｕｌｔｔｏｂｅｄｅｔｅｃｔｅｄ，ｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｔｈｅａｃｔｕａｌｓｔｒｕｃｔｕｒｅａｎ

5、ｄｔｈｅａｍｂｉｅｎｔｎｏｉｓｅｍａｋｅｓｉｔｍｏｒｅｄｉｆｆｉｃｕｌｔｔｏｄｏｔｈｅｓｔｒｕｃｔｕｒａｌｈｅａｌｔｈｍｏｎｉｔｏｒｉｎｇ，ｗｈｉｌｅｔｈｅｅｘｉｓｔｉｎｇｍｅｔｈｏｄｒｅｑｕｉｒｅｓａｌｏｔｏｆｄａｔａｉｎｔｈｅｔｒａｉｎｉｎｇｍｏｄｅｌ，ｂｕｔｉｎｐｒａｃｔｉｃｅｆｏｒｔｈｅｔａｇｄａｔａｉｔｉｓｖｅｒｙｃｏｍｐｌｅｘ．Ｔｏｏｖｅｒｃｏｍｅｔｈｉｓｐｒｏｂｌｅｍ，ｂｙｔｈｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ，ｔｈｉｓｐａｐｅｒｕｓｅｄｔｈｅｓｐａｒｓｅｃｏｄｉｎｇｔｏａｃｈ

6、ｉｅｖｅｂｒｉｄｇｅｓｔｒｕｃｔｕｒａｌｈｅａｌｔｈｍｏｎｉｔｏｒｉｎｇ，ａｎｄｔｈｒｏｕｇｈａｌａｒｇｅｎｕｍｂｅｒｏｆｕｎｌａｂｅｌｅｄｅｘａｍｐｌｅｓｏｆｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｉｎａｃｈｉｅｖｉｎｇｓｐａｒｓｅｃｏｄｉｎｇａｌｇｏｒｉｔｈｍｓｂａｓｅｄｏｎｔｒａｉｎｉｎｇ，ｉｔｒｅａｌｉｚｅｄｔｈｅｄａｔａｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎａｎｄｕｎｌａｂｅｌｅｄｄａｔａｐｒｅｐｒｏｃｅｓｓｉｎｇ．Ｓｅｃｏｎｄｌｙ，ｉｔｕｓｅｄｔｈｅｄｅｅｐｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈ

7、ｍｔｏｐｒｅｄｉｃｔｔｈｅｂｒｉｄｇｅｓｔｒｕｃｔｕｒａｌｈｅａｌｔｈｍｏｎｉｔｏｒｉｎｇｃａｔｅｇｏｒｙ，ａｎｄａｌｓｏｕｓｅｄｔｈｅｌｉｎｅａｒｃｏｎｊｕｇａｔｅｇｒａｄｉｅｎｔ-ｂａｓｅｄｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏ-ｒｉｔｈｍｔｏｉｍｐｒｏｖｅｔｈｅＨｅｓｓｉａｎｏｐｔｉｍｉｚａｔｉｏｎ，ａｎｄｕｓｅｄｔｈｅｓｅｍｉｄｅｆｉｎｉｔｅＧａｕｓｓ-ＮｅｗｔｏｎＨｅｓｓｉａｎｍａｔｒｉｘｔｏｒｅｐｌａｃｅｕｎｃｅｒｔａｉｎＨｅｓ-ｓｉａｎｍａｔｒｉｘ，ｗｈｉｃｈｕｓｅｄｔｈｅｓｅｃｏｎｄａｒｙｔａ

8、ｒｇｅｔｃｏｍｂｉｎａｔｉｏｎｓｔｏａｃｈｉｅｖｅｄｅｅｐｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｅｆｆｉｃｉｅｎｃｙ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｄｅｐｔｈｏｆｔｈｅｓｔｒｕｃｔｕｒａｌｓａｆｅｔｙｏｆｔｈｅｂｒｉｄｇｅｌｅａｒｎｉｎｇｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓａｃｈｉｅｖｅｓａｈｉｇｈ-ｐｒｅｃｉｓｉｏｎｓｔｒｕｃｔｕｒａｌｈｅａｌｔｈｍｏｎｉｔｏｒｉｎｇｏｆａｍｂｉｅｎｔｎｏｉｓｅｌｅｖｅｌｓｕｎ