基于卷积神经网络和递归图的桥梁损伤智能识别

• 作者: 何浩祥 王玮 黄磊
• 来源期刊: 应用基础与工程科学学报
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 递归图 小波包 小损伤 损伤识别 智能识别
• 年，卷（期）: 2020,（4）
• 页码范围: 966-980
• 页数: 15页
• 分类号: TU375.3|TU311.3
• 语种: 中文
• DOI: 10.16058/j.issn.1005-0930.2020.04.018

摘要

为改进目前传统损伤识别方法对桥梁局部小损伤识别能力较弱的不足,提出利用深度学习方法中的卷积神经网络对桥梁损伤进行统计模式识别.根据卷积神经网络对损伤特征向量的需求,将车桥耦合振动下的原始结构响应信号进行小波包滤波和重构,之后通过递归分析获取不同损伤工况的递归图,将其作为新型的损伤特征图像作为卷积神经网络的输入.在此基础上提出基于卷积神经网络和递归图的桥梁结构损伤识别计算流程和方法.对一座连续梁桥进行不同位置和程度的损伤模拟,提取小波包频带能量及递归图等损伤特征向量,并进行基于多种统计模式识别算法的损伤识别.结果表明:与其他特征向量相比,递归图蕴含更丰富的损伤信息;与支持向量机和BP神经网络等传统统计模式识别方法相比,卷积神经网络能够通过逐层智能学习实现更准确的特征自动提取和区分,从而实现损伤位置和损伤程度的更精准识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何浩祥		98	767	16.0	25.0
2	王玮		4	14	2.0	3.0
3	黄磊		1	0	0.0	0.0