基于迁移学习的桥墩结构损伤识别方法

摘要：

提出一种深度学习的桥墩结构损伤识别方法,该方法通过迁移学习(T L)将源模型的权重和参数转移到目标模型上,加快深度模型的训练速度、提升模型损伤识别精度.使用连续小波变换将振动信号转换成时频图作为深度模型的输入,构建可识别砼结构损伤的深度模型,该模型的固定部分使用源模型的权重和参数,非固定部分的权重和参数使用新的数据训练得到;通过试验及仿真对该模型的有效性进行验证,试验方面使用砼桥梁在有损伤和无损伤时的振动信号,仿真采用ABAQUS/CAE建立砼塑性损伤识别模型(CDP)并采集振动信号;将文中方法与从零开始训练的深度卷积神经网络(CNN)及支持向量机(SVM)方法进行对比,文中方法在试验数据上的识别精度达99.1％,在仿真数据上的精度达100％,相对于传统识别方法,该方法可提高损伤识别精度和模型训练速度.

关键词：桥梁、桥墩、损伤识别、迁移学习、深度学习

分类号：U441(桥涵工程)

资助基金：湖南省自然科学基金项目2018JJ3553

在线出版日期：2021-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：99-103