基于双层深度置信网络的梁桥结构损伤识别方法研究

摘要

为高效准确识别桥梁结构损伤，将深度学习与结构动力特性相结合，提出基于双层深度置信网络的桥梁结构损伤识别方法。首先取结构前3阶竖向振动频率和跨中节点前3阶竖向振动模态位移为参数，将其共同作为首层深度置信网络(DBN)的输入数据对结构的损伤位置进行识别；然后以1阶竖向振动的模态位移差作为参数，基于二层DBN对结构损伤程度进行预测；最后以郑许市域铁路桥梁为例进行验证。计算结果显示，当不考虑误差时，基于双层深度置信网络的结构损伤方法进行识别且结果精确；当噪声程度不超过10%时，定位识别结果准确率达100%;当噪声程度不超过15%时，定量识别结果最大绝对误差限不超过1.15%,识别结果准确；与传统的BP神经网络方法相比，本方法识别精度更高，抗噪性更强。

关键词

DBN / 损伤识别 / 抗噪性 / 固有频率

基金资助

河南省科技攻关计划项目(182102310890); 河南省高等学校重点科研项目计划项目(19A560014); 中铁十六局集团科技研发项目(K2020-7B); 铁四院科技研究开发项目(2020K161)