基于时频分析与深度学习的结构震后损伤评估

摘要：

为评估地震后钢筋混凝土(RC)框架结构的损伤状态,提高损伤评估的效率和精度,文章提出一种基于时频分析和一维卷积神经网络(1D-CNN)的地震损伤评估方法.首先利用增量动力时程分析对一个6层RC框架结构进行地震损伤模拟,并根据最大层间位移角对加速度信号进行损伤程度的标定,以此来获取数据样本,随后应用五种不同的时频分析方法对原始信号进行处理;然后建立基于1D-CNN的地震损伤评估模型,并利用贝叶斯优化算法寻找模型中的最优参数组合;最后评估所提出模型方法在噪声情况下的泛化能力.研究结果表明:五种时频分析方法中,小波散射变换方法的准确率最高,达92.5％,且计算速度也最快,仅需144 s;另外在噪声下该方法仍可以保持较高的损伤评估准确率,具有较好的鲁棒性和泛化能力.

关键词：地震损伤评估、RC框架结构、时频分析、一维卷积神经网络、贝叶斯优化

所属期刊栏目：46

分类号：TU375(建筑结构)

资助基金：国家自然科学基金;河南省高等学校重点科研项目

在线出版日期：2024-02-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：115-125