基于长短期记忆神经网络的空间网格结构损伤预测和评估
以凯威特型(K6)球面网壳为研究对象,研究基于数据驱动的空间网格结构的损伤预测和评估.通过数值模拟得到大气均匀腐蚀作用下结构模态频率的结构健康监测(SHM)模拟数据,基于长短期记忆(LSTM)神经网络,建立了结构损伤预测和评估的深度学习模型.最后,总结了基于LSTM神经网络的空间网格结构损伤预测和评估方法.结果表明:LSTM神经网络可以对SHM数据建立基于数据驱动的深度学习模型,对结构健康状态进行预测和评估.建立的模型在模拟数据上表现良好,具有良好的抗噪性,能很好地拟合SHM模拟数据趋势.利用更新后的数据集重新调整模型,可以达到持续对结构健康状态预测和评估的目的.
空间网格结构;LSTM神经网络;损伤预测和评估;深度学习
51
国家自然科学基金项目51878443
2021-11-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
203-208