10.19713/j.cnki.43-1423/u.T20191007
联合卷积与长短记忆神经网络的桥梁结构损伤识别研究
为改进传统方法在时空相关特征联合提取及结构损伤识别效果等方面存在的不足,结合结构健康监测加速度振动信号的数据特性,将结构损伤识别归约为多变量时间序列分类问题,提出一种联合卷积神经网络(Convolutional Neural Network,CNN)和长短记忆(Long Short-Term Memory,LSTM)循环神经网络模型的桥梁结构损伤识别方法.以结构健康监测获取的加速度振动响应为输入,通过CNN模型提取其多时间窗口内传感器拓扑相关性特征,然后将该特征矩阵输入以Softmax为输出层的LSTM模型,以进一步提取其时间维度特征,并进行结构损伤模式分类.以某连续刚构桥结构缩尺模型的一种无损伤及3种不同程度损伤工况为试验数据环境,验证了提出方法在准确率、精确率、召回率和F值等方面优势.
桥梁健康监测、结构损伤识别、卷积神经网络、长短记忆神经网络
17
U446.2(桥涵工程)
国家自然科学基金资助项目;重庆市教委科学技术研究资助项目
2020-09-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
1893-1902