循环神经网络在结构损伤识别中的应用研究

摘要：

通过直接提取结构动态测试时序数据中的特征来实现结构的损伤识别,基于重力坝有限元模型在不同损伤情况下生成的加速度时序数据对循环神经网络进行训练和测试,以对循环神经网络在结构损伤识别中的应用进行研究.首先比较了传统循环神经网络(RNN)、长短期记忆(LSTM)循环神经网络和门控循环单元(GRU)神经网络的性能,然后采用网格搜索和随机搜索对LSTM循环神经网络的超参数进行优化.结果表明,相较于传统的循环神经网络(RNN)和门控循环单元(GRU)神经网络,LSTM循环神经网络在不同损伤工况下的识别准确率均有提升,最高达46.5％.数值试验结果表明在保证一定准确率的基础上,随机搜索比网格搜索用时缩短了85.2％,大大提升了搜索效率.

关键词：循环神经网络、长短期记忆循环神经网络、损伤识别、网格搜索、随机搜索

所属期刊栏目：39

分类号：TP391;TU312(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC0406703

在线出版日期：2021-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：868-875