一种基于卷积神经网络的结构损伤检测方法

• 作者: 张健飞 张盼盼
• 来源期刊: 河南科学
• 关键词: 卷积神经网络 损伤识别 加速度 抗噪性
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 化学与工业技术
• 页码范围: 560-567
• 页数: 8页
• 分类号: TU312
• 语种: 中文

摘要

针对结构健康监测系统产生的海量数据难以高效分析的问题,采用了一种基于二维卷积神经网络的损伤识别检测方法,该方法直接将结构在外界激励作用下的加速度时程数据作为输入信息,通过卷积神经网络自动提取加速度数据中的隐含特征,识别结构的损伤.以板的损伤识别为例,给出了卷积神经网络损伤识别模型的输入数据格式、网络结构和训练方法,分析了卷积神经网络分别在不含噪声,含噪声5％、10％以及混合噪声情况下的损伤识别能力.测试结果显示这种基于加速度输入的卷积神经网络具有较高的损伤识别精度和抗噪能力,从而为结构健康监测系统数据分析和损伤识别提供了一种新的途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健飞	河海大学力学与材料学院	21	127	8.0	11.0
2	张盼盼	河海大学力学与材料学院	3	3	1.0	1.0