基于卷积神经网络和迁移学习的结构损伤识别

针对传统基于机器学习损伤识别方法手工提取特征适应性差、识别能力弱等问题,提出一种基于卷积神经网络和迁移学习的新颖、快速结构损伤识别方法.首先根据损伤特征向量特点,提出原始信号的分帧处理流程;其次考虑多传感器数据融合要求,建立多通道一维卷积神经网络结构损伤识别模型,给出模型的整体流程和网络参数;然后采集不同通道和不同噪声水平下,模拟不同位置程度损伤的15层框架数值模型加速度数据,进行损伤识别;最后将网络模型进行迁移学习,对7层框架模型试验进行损伤识别,并验证所提方法的可行性、准确性和计算复杂性.结果表明,该方法实现了特征自适应提取、损伤位置和损伤程度的精准识别,具有突出的计算效率.     

应用定氧探头直接测定液态FexO的标准生成自由能

应用固体电解质定氧探头在1641～1733K的温度范围内,测定了液态Fe_xO的标准生成自由能,并进行了误差分析,得到了以下结果: ⊿G°Fe_xO=-222700+40.51T±800,J/mol该结果与多篇文献上所报道的⊿G°Fe_xO与温度的关系式符合良好。