详情

原文传递基于密集卷积网络和注意力机制的拱桥损伤识别研究

论文题名：	基于密集卷积网络和注意力机制的拱桥损伤识别研究
关键词：	拱式桥梁;损伤识别;密集卷积神经网络;注意力机制;连续小波变换
摘要：	近年来随着我国交通建设向西部山区纵深发展，拱桥以其承载能力强、刚度大、造价成本低等特点成为了山区桥梁的首选。随着使用年限的不断增加，在役拱桥由于荷载效应、材料劣化、环境侵蚀等因素的共同作用，其承载能力与正常使用性不可避免地发生退化。为及时掌握拱桥的健康状态，开展拱桥损伤识别研究具有重要科学研究意义和工程应用价值。　　本文通过理论分析、算法开发、数值仿真和室内试验等手段，提出了基于密集卷积神经网络和注意力机制的拱桥损伤识别算法，开展了外部荷载下钢管混凝土拱结构和钢管混凝土劲性骨架拱结构室内试验验证，进行了拱桥损伤识别方法参数分析。主要研究工作及成果如下：　　（1）提出了基于密集卷积神经网络和注意力机制的拱桥损伤识别方法。首先基于拱桥结构有限元模型，通过时程分析获取不同损伤状态下的结构加速度响应数据；然后，利用时频分析技术将加速度响应转换为时频图，形成样本数据库；其次，构建了融合密集卷积网络（Dense Convolutional Network，DenseNet）和卷积块注意力模块（Convolutional Block Attention Module，CBAM）的拱桥损伤识别深度卷积神经网络模型，并基于样本数据库完成模型的训练和测试；最后，采用分类问题中的准确率、精确率、损失值、召回率和F1值五个指标进行了模型评价，并借助T分布随机邻域嵌入（T-distributed Stochastic Neighbor Embedding，t-SNE）非线性降维技术实现特征可视化分析。研究表明：该方法能准确的识别拱桥的损伤，其中单损伤识别准确率为91.67%；多损伤识别准确率为92.78%；损伤特征具有明显的聚类倾向，证明了小波时频图具有强大的特征表达能力和所提方法具有强大的特征提取能力。　　（2）开展了外部荷载下钢管混凝土拱结构和钢管混凝土劲性骨架拱结构室内试验验证。首先，设计与制作了钢管混凝土拱结构和钢管混凝土劲性骨架拱结构；然后，加载过程中通过敲击的方式获取不同工况下的加速度响应数据；其次，通过连续小波变换为时频图并划分数据集；最后，通过搭建的网络模型进行训练和测试。研究表明：该方法能实现拱结构的识别；对于钢管混凝土拱结构，该方法损伤识别准确率为90.22%；对于钢管混凝土劲性骨架拱结构，该方法损伤识别准确率为92%。　　（3）进行了拱桥损伤识别参数分析。首先，基于拱桥的多损伤工况数据，构造了不同采样频率、不同样本长度和数量、不同噪声水平以及信号缺失工况；其次，开展了拱桥损伤识别方法的全面参数分析，得出不同参数下的识别结果；然后，剖析了不同参数下损伤识别结果波动的内在原因；最后，揭示了不同采样频率、不同样本长度和数量、不同噪声水平以及信号缺失情况下损伤识别精度变化规律。研究表明：在损伤程度较小的情况下，采样频率越高，损伤识别的效果越明显，256Hz采样频率下准确率降低至57.22%；相同的样本长度，适当提高样本的数量和相同的样本数量，提高样本长度有助于提高结构损伤的整体识别准确率，且提高样本数量的效果更明显；噪声会对结构损伤识别产生影响，30dB以内的噪声水平可以实现良好的识别效果，识别总体准确率为 91.11%；在通道缺失的情况下，模型的总体识别准确率不可控，成跳跃式的下降，在信号缺失为一个通道的情况下，总体的识别准确率仅为72.78%。
作者：	李杰
专业：	土木工程
导师：	杨先一;周建庭
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2023