基于互信息和MiniRocket网络的CFST脱空识别

来源：振动与冲击杂志2024年第8期北京时间：

作者：覃悦，谢开仲,,，郭晓,,，王红伟，王秋阳，彭佳旺

单位：1.广西大学土木建筑工程学院，南宁530004； 2.广西大学工程防灾与结构安全教育部重点实验室，南宁530004；3.广西大学广西防灾减灾与工程安全重点实验室，南宁530004； 4.广西新发展交通集团有限公司，南宁530029

摘要：为提高钢管混凝土（concrete filled steel tube，CFST）脱空检测的效率和精度，本文提出了一种基于快速傅里叶变换（fast fourier transform，FFT）、互信息（mutual information，MI）和MiniRocket神经网络的智能识别方法。首先，采用FFT将待测CFST敲击声波时域信号转换为频域信号；其次，采用MI建立频域信号与脱空状态的相关性，提取相关性最大的前30个特征建立数据集，避免了复杂的数学运算和冗余信息；建立MiniRocket深度学习网络，通过使用更少的参数量和更小的特征尺寸，提高分类的速度和精度。最后，考察了模型的噪音鲁棒性，并与其他算法、特征提取方法和识别方法进行对比。结果表明，在不同脱空深度和脱空宽度下，所提的方法在100次重复实验中获得了100%的平均预测精度。在高信噪比下，该方法受影响较小。此外，与其他算法、特征提取方法和识别方法相比，本方法具有更好的预测性能。因此，所提出的方法在未来实际CFST结构的智能脱空识别中具有较大的应用潜力。

关键词：钢管混凝土（CFST）；脱空；敲击声波；互信息；深度学习