科研之友
微信
新浪微博
Facebook
分享链接
摘要
塔式起重机结构损伤诊断存在诊断过程复杂且低效、收集数据量大且有标签数据少、不同塔式起重机间收集到的数据因有差异而造成的网络模型诊断精确度不稳定等问题。为解决这些问题引入迁移学习方法，文中采用迁移学习中的域自适应方法，利用过往的标签数据与现有工况无标签数据建立工况间的联系，从而学习到不随工况改变的结构损伤特征，扩大了模型的应用领域。并且，以深层神经网络为基本框架，运用深层多核最大均值差异对不同塔机收集到的数据特征的分布进行评价，实现了少量多种塔式起重机数据的智能结构损伤诊断。
-
单位机电工程学院; 山东建筑大学
