原文传递
基于模态应变能和卷积神经网络的桥梁损伤识别研究
| 论文题名： | 基于模态应变能和卷积神经网络的桥梁损伤识别研究 |
| 关键词： | 公路桥梁;损伤识别;模态应变能;卷积神经网络;噪声干扰 |
| 摘要： | 安全性是桥梁结构在设计、使用过程中不可忽视的重要原则之一，随着结构服役年限增加，桥梁在材料劣化、外界环境作用、重载交通等因素影响下会出现不同程度的累积损伤，损伤严重时甚至导致桥梁坍塌事故的发生，因此，对桥梁结构进行及时且准确的损伤识别是非常有必要的。本文以简支梁和连续刚构为研究对象，提出了基于模态应变能和卷积神经网络两种损伤识别方法，主要的研究内容和结论如下： （1）建立简支T梁和连续刚构有限元模型，利用模态应变能变化率指标（MSCER）对两种桥型不同工况下的损伤位置进行了识别，验证了该指标在桥梁损伤识别中的适用性，说明了该指标对损伤具有良好的敏感性； （2）相对熵可以衡量两个随机分布的差异，将结构损伤前后各单元的模态参数分布视作两种不同的随机分布，结合模态应变能理论和相对熵理论，推导出损伤定量指标KL-MSE的表达式，以此表征结构的损伤程度。并以简支梁和连续刚构有限元模型对该指标进行验证，计算误差绝对值保持在5%以内，说明了KL-MSE指标在损伤定量中具有良好的适用性。 （3）鉴于卷积神经网络具有良好的特征提取能力而将其应用于桥梁损伤识别中，在MATLAB中构建了卷积神经网络的识别模型，以结构不同工况下的模态应变能为输入量，以结构损伤位置和损伤程度为输出量，同样以简支梁和连续刚构有限元模型验证了CNN在识别定位、定量中良好的适用性。 （4）考虑噪声干扰，对比分析了基于模态应变能和基于卷积神经网络方法的抗噪性能，说明了两种方法在不同噪声水平下的识别性能。 |
| 作者： | 方淼淼 |
| 专业： | 土木工程 |
| 导师： | 邬晓光 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
