原文传递
基于深度学习的桥梁健康状态评估方法研究
| 论文题名： | 基于深度学习的桥梁健康状态评估方法研究 |
| 关键词： | 桥梁结构;健康评估;特征提取;深度学习 |
| 摘要： | 随着社会经济的不断发展以及中国公路交通运输量的不断增加，桥梁在公路交通运输中的作用越来越重要，是加快中国城市化建设的基础，是保障公路交通安全通畅的关键。截至2020年末全国公路桥梁91.28万座，其中老、旧桥占中国总桥梁数的将近40%，随着交通负荷的不断增加，伴随而来的是桥梁结构的安全问题，尤其是老旧桥梁结构的健康评估是交通领域亟待解决的关键问题。由于受到建造水平、对结构复杂性认识的限制以及外部不可预测的环境因素的影响（地震、撞击、劳损），人们无法有效获知桥梁结构受损情况，不能对桥梁的运营维护作出准确评估，造成了一系列交通事故。 针对上述问题，本文开展了基于深度学习的桥梁健康状态评估方法研究。首先，分析了桥梁损失等级的评价方法，设计了桥梁健康参数获取的总体方案；其次，采用Midas Civil软件建立了典型桥梁的有限元模型，进行了模态和时程仿真分析，获取了移动荷载作用下桥梁结构动力响应的特征参数；再次，建立了基于ResNet-LSTM健康诊断的网络模型，设计了相应的时空特征并行提取网络、特征融合层以及特征分类器，在实桥仿真动力响应数据集基础上进行了仿真验证；最后，搭建了简支梁半实物仿真平台，对ResNet-LSTM网络的分类识别准确性进行了验证。 实验结果表明，本文所提出的方法对简支梁混凝土健康诊断识别准确率达到85.6%，能够对桥梁结构健康状况进行有效诊断。本方法将为中国老旧桥梁的运营、维护及监测提供技术手段，为中国交通领域的信息化转型发展提供理论支撑。 |
| 作者： | 韩宇 |
| 专业： | 电子与通信工程 |
| 导师： | 李剑;郭兴龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中北大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
