基于卷积神经网络的荷载大小与位置同步识别

TU311.3; 结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明:噪声条件下数值模型的荷载识别误差在8％以内,荷载位置识别准确率在95％以上;实际结构的荷载识别误差在18％以内,荷载位置识别准确率为100％.两分支卷积神经网络可以很好地同时识别荷载大小和位置....

Full description

Saved in:
Bibliographic Details
Published in东南大学学报（自然科学版） Vol. 54; no. 1; pp. 110 - 116
Main Authors 翁顺, 郭街震, 于虹, 陈志丹, 颜永逸, 赵丹阳
Format Journal Article
LanguageChinese
Published 华中科技大学土木与水利工程学院,武汉 430074%中铁第四勘察设计院集团有限公司,武汉 430063 2024
Subjects
convolutional neural network(CNN)
deep learning
卷积神经网络
荷载识别
深度学习
加速度响应
acceleration response
load identification
Online AccessGet full text
ISSN1001-0505
DOI10.3969/j.issn.1001-0505.2024.01.014

Cover

More Information
Summary:TU311.3; 结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明:噪声条件下数值模型的荷载识别误差在8％以内,荷载位置识别准确率在95％以上;实际结构的荷载识别误差在18％以内,荷载位置识别准确率为100％.两分支卷积神经网络可以很好地同时识别荷载大小和位置.
ISSN:1001-0505
DOI:10.3969/j.issn.1001-0505.2024.01.014