结构模型修正中不同残差及权重系数研究

研究了基于改进遗传算法对结构模型修正中用于构建目标函数的不同残差的优缺点和单目标函数中的权重系数。目前工程实践中进行有限元模型修正较多地采用三种残差,包括频率、振型和柔度,本文分析了这三种残差用于模型修正的优缺点,采用改进的遗传算法、利用一个模拟刚度减少的简支梁的仿真模型,对基于不同残差的模型修正进行了比较研究。频率是系统的主要特征参数且识别精度高,修正应优先采用。当修正参数较多,需要补充信息且振型识别误差较小时,可考虑补充振型信息。最后通过对用于构建单目标函数的不同残差采用不同权重系数的比较分析,可以看出当频率残差采用较大权重时的模型修正效果较好。

基于改进深度学习的航拍滑坡检测方法

为及时发现滑坡险情展开应急救援,提出一种结合逐通道不同阈值的深度残差收缩网络(DRSN-CW)方法的更快速区域卷积神经网络(Faster-RCNN)模型的航拍图像滑坡检测算法。利用图像增强的伽马变换、高斯滤波方法提高图片的质量;使用群组归一化方法消除batchsize大小对模型的影响;为减少噪声以及无关特征区域的干扰,采用DRSN-CW网络对滑坡检测目标进行精准定位。实验结果表明,改进后模型与先前模型相比F1值以及平均精度分别增加了10.7%、10.2%,可以有效检测滑坡险情。