基于深度学习的桥梁健康监测传感器故障诊断研究
发布时间：2023-01-04 11:34
桥梁健康监测通过实时获取桥梁的各类参数,判断桥梁结构状况,及时采取修复措施防止桥梁出现大面积结构损伤,保证桥梁内部结构损伤不超过破坏极限。如何获取准确的桥梁参数数据是桥梁健康监测系统的基础,数据的准确性直接决定了桥梁健康监测系统对桥梁状态的判断。传感器是获取监测数据的直接手段,传感器所处环境恶劣,工作强度大,因此很容易出现故障。基于此,本文提出基于深度学习理论的传感器故障诊断及故障类型识别方法。文章首先以连续刚构桥中挠度监测为例,探讨了监测挠度的激光投射式位移传感器的工作原理,以及激光投射式位移传感器在桥梁工作环境,自然环境的影响下,可能出现的故障类型,故障特征及引起故障的原因。然后通过对比多种深度学习模型,结合故障诊断特点选定深度自编码网络作为故障诊断模型;对比多种训练优化算法,选定L-BFGS优化算法作为模型训练优化算法。结合桥梁健康监测传感器故障数据特征,确定深度自编码网络的输入、输出,以离线仿真试验的方法确定深度自编码网络层数、隐层节点数等超参数。随后利用桥梁实测数据对所提出的故障诊断方法进行了验证,与传统BP神经网络传感器故障诊断方法和支持向量机的传感器故障诊断方法进行对比,...
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于解析模型的方法
1.2.2 基于信号处理的方法
1.2.3 基于知识的方法
1.2.4 现状总结
1.3 本文主要研究内容
第二章 传感器故障诊断相关理论
2.1 概述
2.2 桥梁挠度-激光投射式位移传感器
2.3 激光投射式位移传感器故障特征
2.4 本章小结
第三章 面向故障诊断的深度自编码网络模型设计
3.1 概述
3.2 深度学习模型
3.2.1 递归神经网络
3.2.2 深度置信网络(DBN)
3.2.3 深度自编码网络(SAE)
3.3 深度自编码网络优化算法
3.3.1 梯度下降法
3.3.2 牛顿法
3.3.3 拟牛顿法
3.4 深度自编码网络结构设计
3.4.1 输入层、输出层
3.4.2 超参数确定
3.4.3 深度自编码网络结构确定
3.5 本章小结
第四章 江津长江大桥挠度传感器故障诊断
4.1 软件平台
4.2 数据来源及预处理
4.2.1 数据来源
4.2.2 数据预处理
4.3 诊断过程及结果分析
4.3.1 诊断步骤
4.3.2 诊断结果分析
4.4 与传统诊断方法的诊断结果对比
4.4.1 基于BP神经网络故障诊断模型
4.4.2 基于支持向量机的故障诊断模型
4.4.3 诊断结果及分析
4.5 章小结
第五章 传感器故障与桥梁损伤的区别
5.1 传感器的关联性
5.2 关联规则相关理论
5.3 基于关联规则传感器故障与桥梁损伤的区分方法
5.3.1 传感器数据部分异常
5.3.2 传感器数据全部异常
5.4 本章小结
第六章 结论及展望
6.1 主要工作和结论
6.2 展望
致谢
参考文献
攻读学位期间取得的研究成果
【参考文献】：
期刊论文
[1]稀疏自编码深度神经网络及其在滚动轴承故障诊断中的应用[J]. 汤芳,刘义伦,龙慧. 机械科学与技术. 2018(03)
[2]基于深度学习的航空发动机传感器故障检测[J]. 刘云龙,谢寿生,郑晓飞,边涛. 传感器与微系统. 2017(09)
[3]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[4]基于K-L散度与PSO-SVM的齿轮故障诊断[J]. 秦波,刘永亮,王建国,杨云中. 现代制造工程. 2017(03)
[5]基于广义未知输入观测器的执行器故障估计[J]. 邓露,文传博. 计算机应用研究. 2017(07)
[6]基于遗传算法优化的RBF神经网络的压力传感器故障诊断[J]. 那文波,何宁,刘巍,刘甜甜. 煤矿机械. 2016(07)
[7]基于主元分析的桥梁挠度传感器故障诊断研究[J]. 胡顺仁,李瑞平,包明,张建科. 传感器与微系统. 2014(06)
[8]基于Elman神经网络的传感器故障诊断研究[J]. 丁硕,常晓恒,巫庆辉,杨友林,胡庆功. 国外电子测量技术. 2014(04)
[9]小波和多核SVM方法在UVA传感器故障诊断的应用[J]. 叶慧,罗秋凤,李勇. 电子测量技术. 2014(01)
[10]基于参数估计的一类非线性系统故障诊断算法[J]. 孙蓉,刘胜,张玉芳. 控制与决策. 2014(03)
博士论文
[1]大规模数据集高效数据挖掘算法研究[D]. 申彦.江苏大学 2013
[2]基于应变模态桥梁健康监测关键技术研究[D]. 吴春利.吉林大学 2012
[3]基于模型的故障诊断方法研究及在航天中的应用[D]. 邵继业.哈尔滨工业大学 2009
硕士论文
[1]基于地震动传感器阵列的弹丸落点定位技术研究[D]. 刘新爱.南京理工大学 2013
[2]光纤布拉格光栅传感器的性能蜕化研究[D]. 刘立.重庆大学 2012
本文编号：3727699
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于解析模型的方法
1.2.2 基于信号处理的方法
1.2.3 基于知识的方法
1.2.4 现状总结
1.3 本文主要研究内容
第二章 传感器故障诊断相关理论
2.1 概述
2.2 桥梁挠度-激光投射式位移传感器
2.3 激光投射式位移传感器故障特征
2.4 本章小结
第三章 面向故障诊断的深度自编码网络模型设计
3.1 概述
3.2 深度学习模型
3.2.1 递归神经网络
3.2.2 深度置信网络(DBN)
3.2.3 深度自编码网络(SAE)
3.3 深度自编码网络优化算法
3.3.1 梯度下降法
3.3.2 牛顿法
3.3.3 拟牛顿法
3.4 深度自编码网络结构设计
3.4.1 输入层、输出层
3.4.2 超参数确定
3.4.3 深度自编码网络结构确定
3.5 本章小结
第四章 江津长江大桥挠度传感器故障诊断
4.1 软件平台
4.2 数据来源及预处理
4.2.1 数据来源
4.2.2 数据预处理
4.3 诊断过程及结果分析
4.3.1 诊断步骤
4.3.2 诊断结果分析
4.4 与传统诊断方法的诊断结果对比
4.4.1 基于BP神经网络故障诊断模型
4.4.2 基于支持向量机的故障诊断模型
4.4.3 诊断结果及分析
4.5 章小结
第五章 传感器故障与桥梁损伤的区别
5.1 传感器的关联性
5.2 关联规则相关理论
5.3 基于关联规则传感器故障与桥梁损伤的区分方法
5.3.1 传感器数据部分异常
5.3.2 传感器数据全部异常
5.4 本章小结
第六章 结论及展望
6.1 主要工作和结论
6.2 展望
致谢
参考文献
攻读学位期间取得的研究成果
【参考文献】：
期刊论文
[1]稀疏自编码深度神经网络及其在滚动轴承故障诊断中的应用[J]. 汤芳,刘义伦,龙慧. 机械科学与技术. 2018(03)
[2]基于深度学习的航空发动机传感器故障检测[J]. 刘云龙,谢寿生,郑晓飞,边涛. 传感器与微系统. 2017(09)
[3]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣. 控制与决策. 2017(08)
[4]基于K-L散度与PSO-SVM的齿轮故障诊断[J]. 秦波,刘永亮,王建国,杨云中. 现代制造工程. 2017(03)
[5]基于广义未知输入观测器的执行器故障估计[J]. 邓露,文传博. 计算机应用研究. 2017(07)
[6]基于遗传算法优化的RBF神经网络的压力传感器故障诊断[J]. 那文波,何宁,刘巍,刘甜甜. 煤矿机械. 2016(07)
[7]基于主元分析的桥梁挠度传感器故障诊断研究[J]. 胡顺仁,李瑞平,包明,张建科. 传感器与微系统. 2014(06)
[8]基于Elman神经网络的传感器故障诊断研究[J]. 丁硕,常晓恒,巫庆辉,杨友林,胡庆功. 国外电子测量技术. 2014(04)
[9]小波和多核SVM方法在UVA传感器故障诊断的应用[J]. 叶慧,罗秋凤,李勇. 电子测量技术. 2014(01)
[10]基于参数估计的一类非线性系统故障诊断算法[J]. 孙蓉,刘胜,张玉芳. 控制与决策. 2014(03)
博士论文
[1]大规模数据集高效数据挖掘算法研究[D]. 申彦.江苏大学 2013
[2]基于应变模态桥梁健康监测关键技术研究[D]. 吴春利.吉林大学 2012
[3]基于模型的故障诊断方法研究及在航天中的应用[D]. 邵继业.哈尔滨工业大学 2009
硕士论文
[1]基于地震动传感器阵列的弹丸落点定位技术研究[D]. 刘新爱.南京理工大学 2013
[2]光纤布拉格光栅传感器的性能蜕化研究[D]. 刘立.重庆大学 2012
本文编号：3727699
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3727699.html
