基于深度学习的建筑用短粗拉索索力智能识别
准确识别拉索的索力大小对评估预应力结构的健康状态具有重要意义.频率振动法可以较精确地测量桥梁结构中细长拉索的索力,但对建筑用短粗拉索的索力测量精度较低.为此,对建筑中常用的密闭索及高钒索开展在预应力作用下的动态响应试验,以获取拉索在不同索力下的动态响应数据,基于试验数据提出了可智能识别建筑用拉索索力的深度学习模型.模型以采集的原始频谱数据及拉索各项几何参量为特征输入,采用多通道融合的1D卷积神经网络(CNN)及深度神经网络(DNN).分析结果表明:训练后的模型在测试集上识别的索力值与实际索力值间的平均绝对误差值仅为5.05%,均方误差值仅为0.35%;在测试集随机的6个取样点上索力值的决定系数为0.985 4,索力误差均小于10%.与已有索力计算实用公式和机器学习算法进行对比,由索力误差百分比及决定系数的评估结果发现所提出的深度学习模型的索力识别精度更高.
建筑拉索、深度学习、索力识别、神经网络、频率振动法
44
TU392.2;TU312.1(建筑结构)
河北省全职引进高端人才科研项目;天津市研究生科研创新项目
2023-09-21(万方平台首次上网日期,不代表论文的发表时间)
共10页
204-213