期刊信息
主管单位：中华人民共和国教育部
主办单位：重庆大学
主 编：王时龙
地 址：重庆市沙坪坝正街174号
邮政编码：400030
电 话：023-65112126；023-65111217
电子邮件：xbsg@cqu.edu.cn
国际标准刊号：ISSN 1000-582X
国内统一刊号：CN 50-1044/N
邮发代号：国内78-16 国外 M355
|
| 移动荷载下基于双分支卷积神经网络的简支梁桥损伤识别 |
| 投稿时间：2025-03-02 修订日期：2026-01-30 |
| 关键词:损伤识别 双分支 卷积神经网络 移动荷载 桥梁工程 |
| 基金项目:国家自然科学基金(51708188); 湖北工业大学研究生创新人才培养项目, (校2022054) |
|
| 摘要点击次数: 500 |
| 全文下载次数: 0 |
| 摘要: |
| 针对大量中小简支梁桥损伤检测问题,提出了一种移动荷载下基于双分支卷积神经网络的损伤识别方法。该模型一个分支用于诊断结构的损伤位置,另一个分支用来识别损伤的程度,通过融合双分支的结果来实现结构的损伤识别。首先建立桥梁有限元模型,采用移动荷载通过桥梁激励结构,通过时程分析模拟结构在各种损伤情况下的振动响应,并对响应添加噪声形成损伤样本。然后将损伤样本输入建立的卷积神经网络模型进行优化训练和验证。最后通过数值模拟和一个简支梁模型试验验证了提出的方法的有效性和精度。结果表明,相比于单分支CNN模型,在多损伤工况下,双分支CNN模型分类标签大大减少,训练计算效率更快。单分支和双分支CNN模型数值模拟识别精度分别为71%和97%,试验测试准确率分别为59.2%和89.9%,双分支CNN模型识别精度更高,并且算法具有较好的抗噪性。 |
|
| 查看/发表评论 下载PDF阅读器 |
|
|
|
|
|
Copyright@ 2008 All Rights Reserved.
