| 摘 要： | 【目的】我国有大量的木结构古建筑,在现场对古建筑木构件正常木材的物理力学性能给予方便的检测评估,是古建筑木结构日常保护、修缮和安全评估的刚性需求。本研究对敲击声信号引入机器学习算法处理,力图将便捷的敲击方式应用于古建筑木材物理力学性能的无损检测。【方法】以北京某皇家古建筑拆修下来的4段落叶松旧木构件为原材料,加工无疵试件,首先探究木试件尺寸、密度对敲击声信号的影响,试验测定木试件的密度、抗弯强度、抗弯弹性模量、顺纹抗压强度等物理力学性能参数;然后对试验采集的敲击声信号进行梅尔频率谱系数（MFSC）特征提取,以敲击声MFSC特征为输入、试件物理力学性能为输出,构建古建筑木材物理力学性能卷积神经网络（CNN）评估模型。【结果】试件尺寸对敲击声信号没有影响,密度较高试件的敲击声信号的主峰频率较高;失活层对模型性能有较为明显的影响,失活层失活率为0.2时的拟合效果最佳;所建立的模型对古建筑木材物理力学性能的评估效果良好,密度、抗弯强度、抗弯弹性模量、顺纹抗压强度评估值与真实值之间的决定系数分别达到0.873、0.819、0.746、0.860。【结论】本研究构建的基于敲击声MFSC特征CNN模...
|
