基于LSTM网络的车辆动态荷载识别方法

U441; 为了识别车辆的动态荷载,提出了一种基于长短时记忆网络的方法.该方法以桥梁加速度响应为输入,采用有限的数据集,实现车辆动态荷载的识别.建立了车桥耦合模型进行验证,以60组桥梁加速度响应为输入,以相应的车辆动态荷载为输出,通过训练长短时记忆网络来反演车辆动态荷载,并讨论了环境噪声及路面粗糙度对识别效果的影响.结果表明:测试集的车辆动态荷载识别误差平均值均小于5％;车辆动态荷载识别误差不随噪声水平变化,且平均误差小于5％;车辆动态荷载识别误差随着路面粗糙度等级的增加呈现略微增加的趋势,平均误差小于5％.在不同噪声及粗糙度水平下,长短时记忆网络均可用于车辆动态荷载的识别....

Full description

Saved in:
Bibliographic Details
Published in东南大学学报（自然科学版） Vol. 53; no. 2; pp. 187 - 192
Main Authors 张璐, 冯东明, 吴刚
Format Journal Article
LanguageChinese
Published 东南大学混凝土及预应力混凝土结构教育部重点实验室,南京211189%东南大学智慧建造与运维国家地方联合工程研究中心,南京211189 01.03.2023
Subjects
加速度响应
长短时记忆网络
车桥耦合系统
车辆动态荷载识别
结构健康监测
Online AccessGet full text

Cover

More Information
Summary:U441; 为了识别车辆的动态荷载,提出了一种基于长短时记忆网络的方法.该方法以桥梁加速度响应为输入,采用有限的数据集,实现车辆动态荷载的识别.建立了车桥耦合模型进行验证,以60组桥梁加速度响应为输入,以相应的车辆动态荷载为输出,通过训练长短时记忆网络来反演车辆动态荷载,并讨论了环境噪声及路面粗糙度对识别效果的影响.结果表明:测试集的车辆动态荷载识别误差平均值均小于5％;车辆动态荷载识别误差不随噪声水平变化,且平均误差小于5％;车辆动态荷载识别误差随着路面粗糙度等级的增加呈现略微增加的趋势,平均误差小于5％.在不同噪声及粗糙度水平下,长短时记忆网络均可用于车辆动态荷载的识别.
ISSN:1001-0505
DOI:10.3969/j.issn.1001-0505.2023.02.001