摘要
本发明涉及一种基于本征关联神经网络模型及其结构损伤识别方法,所述模型包括:训练数据输入模块,用于输入有效数据进行网络模型训练;损伤特征分离模块,实现信号特征与噪声的初步分离,使得在分析时能够提取更多有效特征;引入自注意力机制模块,用于放大信号中的特征信息,降低信号与结果之间的映射关系的复杂性;门控循环单元处理模块,提取传感器信号中的损伤特征时间维度信息;全连接层映射至损伤样本空间模块,用于实现最后的损伤识别。本发明构建结构的数据集,不仅引入了注意力机制关联了空间特征信息,还通过门控循环单元获取时间维度的信息,使获取的时空维度综合信息更加可靠,使获取的综合信息更加可靠,从而提高了损伤识别的可靠性。
技术关键词
结构损伤识别方法
门控循环单元
损伤特征
注意力机制
数据输入模块
神经网络模型
网络模型训练
传感器
信号特征
结构健康监测系统
数据样本集合
空间特征信息
动态权重分配
序列
概率分布函数
矩阵
系统为您推荐了相关专利信息
标签特征
会计凭证分类方法
文本
关键词
数据标签
深度融合网络
动力学建模方法
隔振器
动态力学性能测试
局部特征提取
多任务处理方法
大语言模型
多任务处理系统
多层感知机
噪声图像
特征提取网络
信号特征
数据诊断方法
紧凑特征
注意力机制