原文传递
基于深度学习的桥梁损伤识别研究
| 论文题名： | 基于深度学习的桥梁损伤识别研究 |
| 关键词： | 桥梁损伤;LSTM神经网络;注意力机制;麻雀搜索算法;深度学习 |
| 摘要： | 桥梁是我国经济发展的动脉，随着桥梁服役年限不断增长，桥梁损伤问题也日益凸显。由于桥梁服役期间受降雨、大风、温度、车辆负载等不可抗因素影响，其监测数据往往存在一定噪声。传统的桥梁损伤识别方法一定程度存在损伤特征信息利用不充分、分析成本高、海量数据处理困难等问题。与此同时，数据缺失、异常、损伤信息稀疏性等问题也广泛存在于桥梁监测数据中，而传统损伤识别方法难以针对这些问题形成有效应对措施。智能识别方法自上世纪九十年代运用至桥梁损伤识别研究中以来，对解决传统方法运算时间长、数据处理不当等问题具有显著优势，但智能识别方法应用至实际桥梁损伤检测工程中研究仍不够充分。针对传统桥梁损伤识别方法在海量数据处理效率低以及桥梁损伤智能识别模型不同类型数据的模型超参数调整困难的问题，本文提出一种基于SSA-LSTM-Attention的桥梁损伤识别方法，并基于桥梁损伤数值模拟数据和现场监测数据验证了所提出方法的可行性和有效性。本文具体内容如下： （1）研究了基于BP神经网络、SVM、XGBoost及LSTM的智能模型对桥梁损伤识别的有效性：基于桥梁损伤数值模拟数据和现场监测数据，对比了上述智能模型的损伤识别准确率，确定了LSTM神经网络模型在桥梁损伤识别方面的显著优势。 （2）研究了基于LSTM神经网络与麻雀搜索算法、自注意力机制相结合模型的建模方法，建立了SSA-LSTM-Attention桥梁损伤识别模型。 （3）分别对桥梁数值模拟数据、PCA数据压缩前后桥梁监测数据进行了桥梁损伤识别，输出了损伤识别准确率以及不同数据适用的超参数组合，并利用单一改进策略模型LSTM-Attention和SSA-LSTM进行消融实验与本文所提出模型对比损伤识别准确率以及模型性能，验证了本文所提出的桥粱损伤识别方法的有效性、泛化能力。 （4）研究了桥梁不同位置挠度数据变化及数据维度大小对桥梁损伤识别准确率的影响，通过实验对比了模型运行时间、损伤识别准确率，并探究了挠度数据变化、数据维度与准确率的关联关系。 （5）研究了AUC-ROC曲线原理、计算公式以及模型性能评价方式，利用AUC值作为模型性能评价指标，验证了本文所提出模型与两种单一改进策略模型的性能。 |
| 作者： | 姜妙乔 |
| 专业： | 电子信息(计算机技术) |
| 导师： | 廖宁生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
