文献类型：期刊文章

作　　者：卓德兵[1,2,3] 曹晖[1,2]

ZHUO De-bing;CAO Hui(College of Civil Engineering,Chongqing University,Chongqing 400045,China;MOE Key Laboratory of New Technology for Construction of Cities in Mountain Area,Chongqing University,Chongqing 400045,China;School of civil engineering and architecture,Jishou University,Zhangjiajie 427000,China)

机构地区：[1]重庆大学土木工程学院,重庆400045 [2]重庆大学山地城镇建设与新技术教育部重点实验室,重庆400045 [3]吉首大学土木工程与建筑学院,张家界427000

出　　处：《工程力学》

基　　金：湖南省教育厅科学研究一般项目(20C1512)。

年　　份：2021

卷　　号：38

期　　号：9

起止页码：228-238

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前大型结构螺栓连接状态监测的困难,该文采用声音信号,提出了结合小波时频图与轻量级卷积神经网络MobileNetv2优势的螺栓松动识别方法。该方法通过对采集到的声音信号进行预处理和连续小波变换得到小波时频图,以小波时频图作为样本对轻量级卷积神经网络MobileNetv2进行训练,从而实现螺栓松动声音信号的识别。对一钢桁架模型的室外试验研究表明:该方法能实现对各种环境噪声信号,不同位置、数目和松动程度的螺栓松动声音信号的精准识别;该方法不仅识别准确率高、稳定性好,而且对计算和存储的要求低,便于应用于移动设备和嵌入式设备,为环境激励下大型复杂结构的损伤在线识别提供了新的思路。

关 键 词：螺栓连接 损伤识别 声音信号 小波时频图  MobileNetv2  

分 类 号：TU317.1]