基于卷积神经网络的结构损伤识别

摘要：

为解决结构的健康监测问题,找到合适的结构损伤识别特征,使用卷积神经网络提取结构特征来识别损伤,并通过IASC-ASCE SHM Benchmark第一阶段模拟数据验证其有效性,同时与小波包频带能量特征、前五阶本征模态函数能量特征做同分类器准确率对比,证明了卷积神经网络在自动提取特征方面的优势.在分析卷积神经网络自动提取特征的鲁棒性时,发现单一噪声数据训练的特征抗噪能力有一定局限性,为了获得更好的特征抗噪能力,提出混合噪声训练模式,验证了含噪声0％ ～ 50％的样本数据,均取得良好识别结果.同时在进行卷积核特征可视化工作中发现,混噪模式训练的卷积核能够识别更多阶次的频率信息.

关键词：卷积神经网络、Benchmark、小波包频带能量、经验模式分解

所属期刊栏目：38

分类号：TU312.3(建筑结构)

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：159-167