买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：本发明提出一种基于图神经网络推断概率图模型的结构损伤识别方法。本发明所述方法针对基于计算机视觉技术得到的稠密结构数据集，建立无向图模型来考虑数据之间的相关性，该模型的结构与所测量结构上的传感器网络相对应，模型参数依据测量数据的损伤敏感特征之间的相关性进行学习。然后，采用图神经网络进行无向图模型的推断，图神经网络依据随机生成的图模型进行训练，以交叉熵作为损失函数进行优化。最后，将学到的无向图模型参数输入训练好的图神经网络中，得到每个测点处结构构件的损伤概率。本发明所提出的方法考虑了结构测量数据间的相关性，并且能结合计算机视觉技术，以更低成本且更鲁棒的方式实现结构损伤识别。

主权项：1.一种基于图神经网络推断概率图模型的结构损伤识别方法，其特征在于，所述方法包括以下步骤：步骤一，利用光流法从结构振动视频中获取多个结构关键部件处的位移数据，然后基于位移数据通过特征提取方法计算结构损伤敏感特征数据；步骤二，对目标结构建立概率无向图模型，根据所考虑的伪传感器网络确定图模型的结构，再基于概率密度估计和互信息，利用损伤敏感特征数据来计算无向图模型的参数；步骤三，训练用于无向图模型推断的图神经网络，依据BP算法构件图神经网络架构，以参数随机生成的无向图模型作为训练集，以交叉熵作为损失函数优化图神经网络，得到能对无向图模型进行准确推断的图神经网络；步骤四，结构损伤概率预测，利用结构的无向图模型参数计算图神经网络的输入并输入进步骤三中训练好的图神经网络，预测各节点处结构部件的损伤概率，实现结构损伤识别；所述步骤二具体为：步骤2.1、考虑结构关键部件之间相互影响，采用无向图模型对结构建模，利用无向图模型的特性与贝叶斯公式将损伤识别问题定义为求解后验概率分布；步骤2.2、学习步骤2.1中所建立的无向图模型的结构，以所考虑的伪传感器网络确定无向图模型结构；步骤2.3、学习步骤2.1中所建立的无向图模型的参数，根据步骤1.2中计算得到的损伤敏感特征数据，利用GMM模型拟合其概率密度分布，再基于互信息计算无向图模型的参数；在步骤2.1中，存在无向图模型中的能量函数Ex，表示为 其中，ωij表示连接相邻节点xi与xj的边势；所述步骤三具体为：步骤3.1、构建用于推断无向图模型的图神经网络，根据经典无向图模型推断BP算法结构来构造图神经网络架构，并确定图神经网络中的超参数取值；步骤3.2、依据高斯分布随机生成无向图模型参数，每一组参数可构成一个不同的无向图模型样本，基于枚举法获得各样本标签，得到无向图模型数据集，再用其训练图神经网络，其中损失函数以交叉熵形式定义；步骤3.3、测试所训练的图神经网络效果，再次随机生成多个无向图模型，确保该图神经网络能获得准确的无向图模型推断结果；步骤3.1中的图神经网络架构以下列公式表示 其中，表示从i节点的相邻节点处传递来的向量，表示由节点i传递给节点j的信息，ωij,bi,bj表示图神经网络的输入参数，F、R都代表着一个人工神经网络，G代表着拥有GRU单元的循环神经网络，表示最终输出的边缘概率分布向量；所述步骤四具体为：步骤4.1、根据步骤2.2和步骤2.3中计算得到的无向图模型参数，计算图神经网络的输入参数；步骤4.2、将步骤4.1中计算得到的图神经网络输入，输入进步骤3.2中训练好的图神经网络中，计算各节点处的结构部件损伤概率，实现结构损伤识别；步骤4.1中的计算公式为 其中，Pd和Pu分别表示当前结构的损伤敏感特征数据的均值在损伤概率密度函数和无损概率密度函数中取到的概率值，pij的计算公式为pij＝0.51+Nyi,yj。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于图神经网络推断概率图模型的结构损伤识别方法