-
题名联合CNN与LSTM神经网络的斜拉索损伤识别方法
- 1
-
-
作者
朱三凡
刘世凤
余印根
王志俸
夏樟华
-
机构
健研检测集团有限公司
福州大学土木工程学院
福建省永正工程质量检测有限公司
-
出处
《福建理工大学学报》
CAS
2024年第4期326-332,共7页
-
基金
福建省社会发展引导性(重点)项目(2022Y0046)
垒知创新基金(202201)。
-
文摘
索结构中,拉索响应与损伤之间处于高度非线性状态,常规数学模型对拉索损伤识别普遍存在精度欠佳问题。针对该问题创建了七丝钢绞线的拉索有限元模型,提出基于组合指标的CNN&LSTM神经网络损伤识别方法。借助该拉索有限元模型模拟4类损伤工况,分类提取响应。对比分析总能量变化率、频率、能量比偏差与能量比方差等不同指标对损伤程度的表征,建立能量与频率相结合的组合损伤指标。对比分析联合CNN&LSTM神经网络面对各损伤指标,以及传统中单独的卷积神经网络(CNN)与长短记忆法(LSTM)针对组合损伤指标的识别结果。研究发现,基于组合指标的联合CNN&LSTM深度学习网络的拉索损伤识别准确率最高,达到96.67%,高于CNN的86.63%及LSTM的82.15%,表明CNN&LSTM在斜拉索损伤识别应用中具有较大潜力。
-
关键词
拉索有限元
卷积神经网络
长短记忆法
损伤识别
组合指标
-
Keywords
cable finite element
convolutional neural network
long and short term memory
damage identification
composite indicators
-
分类号
U446.2
[建筑科学—桥梁与隧道工程]
-
