基于双层深度置信网络的梁桥结构损伤识别方法研究

摘要：

为高效准确识别桥梁结构损伤,将深度学习与结构动力特性相结合,提出基于双层深度置信网络的桥梁结构损伤识别方法.首先取结构前3阶竖向振动频率和跨中节点前3阶竖向振动模态位移为参数,将其共同作为首层深度置信网络(DBN)的输入数据对结构的损伤位置进行识别;然后以1阶竖向振动的模态位移差作为参数,基于二层DBN对结构损伤程度进行预测;最后以郑许市域铁路桥梁为例进行验证.计算结果显示,当不考虑误差时,基于双层深度置信网络的结构损伤方法进行识别且结果精确;当噪声程度不超过10％时,定位识别结果准确率达100％;当噪声程度不超过15％时,定量识别结果最大绝对误差限不超过1.15％,识别结果准确;与传统的BP神经网络方法相比,本方法识别精度更高,抗噪性更强.

关键词：DBN、损伤识别、抗噪性、固有频率

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：河南省科技攻关计划项目;河南省高等学校重点科研项目;中铁十六局集团科技研发项目;铁四院科技研究开发项目

在线出版日期：2024-02-03（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：66-73,104