摘要
本发明涉及工程结构健康监测技术领域,公开了基于样本持续增量进行主梁疲劳寿命评估的方法,包括:采集多模态监测数据,包括应变、位移、加速度的物理参数及环境温湿度、车流信息的外部因素数据;利用自适应特征提取网络进行多源数据融合;构建双重知识巩固增量学习框架,在处理新增数据时保持对历史知识的记忆;基于贝叶斯深度学习对预测结果进行不确定性量化,建立风险预警机制;本发明有效解决了模型更新过程中的灾难性遗忘问题,保持了较高的历史知识保持率;为桥梁养护与维修决策提供了科学依据,优化了养护资源配置;具有优异的适应性和泛化能力,实现全寿命周期内的持续监测与评估。
技术关键词
疲劳寿命评估
主梁
贝叶斯神经网络
样本
工程结构健康监测技术
时序
计算机可读指令
蒸馏
贝叶斯估计方法
评分算法
因子
sigmoid函数
降噪方法
动态
多模态特征融合
增量学习方法
权重分配机制
注意力机制
指数衰减函数
系统为您推荐了相关专利信息
复用成像
数字全息成像技术
全息图
复用系统
干涉成像系统
钽电解电容器
失效检测系统
多维时序数据
电子元器件检测技术
异常信号
指纹特征
药物
组合预测方法
多模态数据融合
细胞系
粒子群优化算法
支持向量回归方法
钻进参数
样本
机制
手眼标定方法
内窥镜位姿
图像
空间变换关系
相机