一种基于Koopman自编码器神经网络的梁损伤识别方法

本发明公开了一种基于Koopman自编码器神经网络的梁损伤识别方法，该方法首先基于悬臂梁的有限元仿真分析，采集结构在冲击荷载作用下的动力响应数据；随后对采集到的数据进行预处理，并构建用于训练Koopman自编码器神经网络的数据集；利用该数据集训练Koopman自编码器神经网络，以学习梁结构动力系统的非线性演化规律并得到其线性提升形式；基于训练好的网络，计算健康状态与待测状态的Koopman模态，通过对比两者之间的差异构造损伤指标，从而实现梁结构损伤的准确识别与定位。本发明利用Koopman理论将非线性系统全局线性化的特性，克服了传统方法对结构非线性和环境噪声敏感的缺点，具有识别精度高、抗噪能力强等优点，适用于复杂工况下的梁结构健康监测。