基于卷积神经网络的钢桥面板疲劳裂纹识别方法研究

摘要：

为准确识别钢桥面板在车辆反复荷载作用下产生的疲劳裂纹,构建了一种用于Lamb导波信号分析和疲劳裂纹扩展尺寸识别的卷积神经网络方法.该方法先用小波函数对导波信号进行卷积处理,获取导波特征,然后对时域参数和频域参数进行优化,最后运用全连接网络对导波特征与先验性裂纹尺寸信息进行学习,实现疲劳裂纹扩展过程中的裂纹尺寸智能识别.以某大跨度钢箱梁斜拉桥钢桥面板的疲劳裂纹扩展过程监测为背景,通过数值模拟和实桥测试,并与小波变换法和傅里叶变换法进行对比,验证该方法的有效性和优越性.结果表明:卷积神经网络方法提取得到的导波特征随裂纹尖端扩展的变化趋势具有明显且稳定的规律性,裂纹扩展长度识别结果与裂纹真实值之间的识别误差均在1 mm内.卷积神经网络方法适用于工程实测中导波信号处理分析,可在钢桥面板裂纹监测中推广应用.

关键词：钢桥面板、疲劳裂纹监测、裂纹尺寸识别、导波信号、卷积神经网络方法、有限元法、实桥测试

所属期刊栏目：53

分类号：U443.32;U441.4;U446(桥涵工程)

在线出版日期：2023-09-08（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：62-69