联合卷积与长短记忆神经网络的桥梁结构损伤识别研究

• 作者: 何盈盈 张利凯 李韧 杨建喜 蒋仕新 邹俊志
• 来源期刊: 铁道科学与工程学报
• 学科: 交通运输
• 关键词: 桥梁健康监测 结构损伤识别 卷积神经网络 长短记忆神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 高速铁路技术与智慧交通
• 页码范围: 1893-1902
• 页数: 10页
• 分类号: U446.2
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20191007

摘要

为改进传统方法在时空相关特征联合提取及结构损伤识别效果等方面存在的不足,结合结构健康监测加速度振动信号的数据特性,将结构损伤识别归约为多变量时间序列分类问题,提出一种联合卷积神经网络(Convolutional Neural Network,CNN)和长短记忆(Long Short-Term Memory,LSTM)循环神经网络模型的桥梁结构损伤识别方法.以结构健康监测获取的加速度振动响应为输入,通过CNN模型提取其多时间窗口内传感器拓扑相关性特征,然后将该特征矩阵输入以Softmax为输出层的LSTM模型,以进一步提取其时间维度特征,并进行结构损伤模式分类.以某连续刚构桥结构缩尺模型的一种无损伤及3种不同程度损伤工况为试验数据环境,验证了提出方法在准确率、精确率、召回率和F值等方面优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨建喜		17	51	4.0	6.0
2	邹俊志		4	0	0.0	0.0
3	李韧		8	3	1.0	1.0
4	张利凯		1	0	0.0	0.0
5	何盈盈		1	0	0.0	0.0
6	蒋仕新		2	0	0.0	0.0