基于CNN-LSTM混合架构神经网络的桥梁损伤识别方法研究

发布时间：2022-07-04 21:19

　　由于桥梁工程建设日益增多,现役桥梁随着时间的推移都出现难以预知的安全隐患,导致目前桥梁安全事故频频出现人们的视野当中。为保证桥梁工程的安全服役工作,关于桥梁损伤识别方法的研究与应用是目前科学家和工程师的最重要课题研究之一。针对当前桥梁损伤识别方法难以从监测桥梁的响应数据中获取关键损伤信息的问题,本文提出基于CNN-LSTM的混合架构神经网络的桥梁损伤识别方法对其的有效性进行验证。首先,文章详细分析研究了卷积神经网络（CNN）和长短期记忆神经网络（LSTM）理论,结合二者能够分别从数据中提取特征、整合特征的优良特性,将其应用到桥梁损伤识别方法中,充分发挥二者自身的优势提取桥梁损伤特征,达到损伤识别目的。而后,利用等效单元刚度降低模型模拟简支梁桥不同损伤程度的损伤裂纹,通过数值模拟获取网络训练的加速度信号实验数据。然后通过对CNN和LSTM网络设计并进行混合架构,并利用分割好的加速度信号数据集对CNN-LSTM、CNN、LSTM三种网络模型进行网络训练以及网络测试。在各种损伤工况下,CNN-LSTM对简支梁桥进行损伤识别效果均优于比其他两种单一的模型。紧接着又通过移动荷载作用下的简支梁桥实... 

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外结构损伤识别方法研究现状
        1.2.1 基于静力测试的结构损伤识别方法
        1.2.2 基于动力测试的结构损伤识别方法
        1.2.3 基于信号处理的结构损伤识别方法
        1.2.4 基于数据统计的结构损伤识别方法
        1.2.5 基于人工智能的结构损伤识别方法
    1.3 桥梁损伤识别方法存在的问题及预想
        1.3.1 数据采集
        1.3.2 数据处理
        1.3.3 模型构造
        1.3.4 损伤指标敏感度
        1.3.5 量化损伤标准
    1.4 创新点和主要内容
        1.4.1 创新点
        1.4.2 主要工作及技术路线
第2章 人工神经网络的基本理论与应用研究
    2.1 概述
        2.1.1 人工神经网络的基本结构
        2.1.2 人工神经网络的优点特性
    2.2 人工神经网络的应用
        2.2.1 模式识别
        2.2.2 信号处理
        2.2.3 自动控制
        2.2.4 医学诊断
        2.2.5 损伤识别
    2.3 本章小结
第3章 卷积神经网络
    3.1 概述
    3.2 卷积神经网络原理
        3.2.1 卷积操作
        3.2.2 局部感知操作
        3.2.3 权值共享操作
        3.2.4 池化操作
        3.2.5 反向传播操作
    3.3 卷积神经网络结构
        3.3.1 卷积网络层
        3.3.2 池化网络层
        3.3.3 批正则化网络层(BN层)
        3.3.4 全连接网络层
        3.3.5 激活函数层
        3.3.6 分类器
    3.4 本章小结
第4章 长短期记忆神经网络
    4.1 概述
    4.2 长短期记忆神经网络原理
        4.2.1 门控机制
        4.2.2 遗忘机制
        4.2.3 循环更新记忆机制
    4.3 长短期记忆神经网络结构
        4.3.1 输入门
        4.3.2 遗忘门
        4.3.3 记忆单元
        4.3.4 输出门
    4.4 本章小结
第5章 简支梁桥数值模拟的损伤识别
    5.1 概述
    5.2 模型构设
    5.3 损伤识别
    5.4 本章小结
第6章 简支梁桥实验的损伤识别
    6.1 概述
    6.2 简支梁桥实验
    6.3 损伤识别
    6.4 本章小结
第7章 结论和展望
    7.1 结论
    7.2 展望
参考文献
致谢
作者简介



本文编号：3655943