基于内积矩阵及卷积自编码器的螺栓松动状态监测

作者：张敏照; 王乐^*; 田鑫海

来源：工程力学, 2022, 39(12): 222-231.

• 结构健康监测
• 深度学习
• 卷积自编码器
• 内积矩阵
• 螺栓松动

螺栓连接结构中的螺栓松动容易导致结构失效，如何对结构中的螺栓松动状态进行监测是当前研究的一个热点。该文利用环境激励下结构振动响应的相关性分析，结合深度学习技术，研究了一种联合使用内积矩阵(inner product matrix, IPM)和卷积自编码器(convolutional autoencoder, CAE)的神经网络模型，即基于内积矩阵及卷积自编码器(inner product matrix and convolutional autoencoder, IPM-CAE)的深度学习模型。通过对螺栓连接搭接板的螺栓松动状态监测的试验研究，验证了该方法的可行性及有效性，并与使用IPM的卷积神经网络(convolutional neural network, CNN)、堆栈自动编码器(stack autoencoder, SAE)及胶囊网络(capsule network,CapsNet)相比，IPM-CAE方法具有较快的网络训练收敛速度和较高的识别精度。

• 单位
  西北工业大学