基于深度学习的框架结构损伤识别研究 |
| |
引用本文: | 李治甫,康帅,尹俊红,王楷诚.基于深度学习的框架结构损伤识别研究[J].河南大学学报(自然科学版),2024(1):100-109. |
| |
作者姓名: | 李治甫 康帅 尹俊红 王楷诚 |
| |
作者单位: | 河南大学土木建筑学院 |
| |
基金项目: | 河南省高等学校重点科研项目(21A560005); |
| |
摘 要: | 卷积神经网络模型和长短期记忆网络模型是两种应用广泛的深度学习网络模型,为探究两种模型在结构损伤识别应用中的效果,采用两种网络模型对钢框架结构的损伤识别进行研究.以3层框架结构为例,选用削减单元自身动力特性后的模态应变能差作为损伤指标,分别输入到两种神经网络模型中,对梁柱单元的损伤程度识别和损伤位置识别进行分析.结果表明:两种网络模型均能很快掌握结构单元的动力特性,在学习了框架结构的模态特征后,均能够精准地识别出损伤单元的位置,同时能较为准确地预测出单元的损伤程度,验证了两种网络模型在以模态应变能差为指标的损伤识别中具有较好的适用性.对比两种网络模型的表现,发现卷积神经网络具有较高的训练效率和较好的泛化性能.
|
关 键 词: | 损伤识别 模态应变能 深度学习 CNN LSTM |
|
|