原文传递
基于自编码器及Transformer的结构损伤识别方法研究
| 论文题名： | 基于自编码器及Transformer的结构损伤识别方法研究 |
| 关键词： | 桥梁结构;损伤识别;自编码器;卷积神经网络 |
| 摘要： | 桥梁结构在人类生活中扮演者重要角色，人类通过修建桥梁翻山跨海，桥梁为人类的生活和经济提供了极大的帮助，所以保障桥梁能够安全运行也变得极为重要。当桥梁发生损伤时，结构的一些物理参数（固有频率、振型、模态曲率）和振动信号（加速度信号、应变信号）会发生相应的改变。传统的损伤识别方法是提取出这些信号再将损伤前后的信号进行比较以此来识别损伤。但在实际运用中提取出来的信号容易受到环境、温度、车辆荷载、制造误差等多种因素的影响，使得人们对观测到的信号有较大的误差，导致损伤识别存在较大误差；基于上述问题本文提出了一种基于自编码器及Transformer的结构损伤识别方法，使用自编码器及Transformer自编码器和Transformer属于机器学习的一个结构，具有非常强大的特征提取和数据分析能力。使用无损数据训练模型，使得模型能够准确的提取出响应数据的隐藏特征，再将有损数据输入到模型中，提取有损特征，最后将有损特征与无损特征的对比可以成功的识别结构的损伤。本文主要从以下几个方面展开研究： （1）介绍了结构损伤识别的研究背景和意义，总结了国内外对于结构损伤识别的现状，探讨了结构损伤识别的研究背景及其重要性，并综述当前国内外在此领域的发展情况。文中将提及多种不同的结构损伤识别技术，包括传统的基于振动的以及基于卷积神经网络的技术，本文总结了当前方法的不足与挑战，针对这些问题，提出了基于自编码器及Transformer的结构损伤识别方法。 （2）介绍了自编码器及Transformer的理论基础，基于自编码器及Transformer设计了神经网络模型，先使用自编码器编码对数据进行数据压缩，再将自编码器编码压缩后的数据输入到Transformer结构中，提取Transformer结构的中间数据作为损伤特征，使其能够对结构响应数据进行特征提取，从而实现对结构的损伤识别。 （3）通过Ansys数值模拟得到简支梁在移动荷载下的加速度数据，对简支梁设置不同的损伤工况，将无损数据输入到模型中用于训练，再将训练好的自编码器及Transformer模型对损伤数据进行特征提取，通过比较无损及有损的特征，发现简支梁损伤程度越大提取的有损特征与损伤特征之间的距离也就越大，结果也验证了提出的方法能够成功判断出结构的损伤情况。 （4）通过振动实验得到实验加速度数据，将获得的损伤数据输入到模型中进行结构损伤识别。结果表明提出的基于自编码器及Transformer的方法能够成功识别结构的损伤情况。 |
| 作者： | 姚观平 |
| 专业： | 土木工程 |
| 导师： | 刘锋;马宏伟;林逸洲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
