基于时频分析与深度学习的结构震后损伤评估

摘要

为评估地震后钢筋混凝土(RC)框架结构的损伤状态，提高损伤评估的效率和精度，文章提出一种基于时频分析和一维卷积神经网络(1D-CNN)的地震损伤评估方法。首先利用增量动力时程分析对一个6层RC框架结构进行地震损伤模拟，并根据最大层间位移角对加速度信号进行损伤程度的标定，以此来获取数据样本，随后应用五种不同的时频分析方法对原始信号进行处理；然后建立基于1D-CNN的地震损伤评估模型，并利用贝叶斯优化算法寻找模型中的最优参数组合；最后评估所提出模型方法在噪声情况下的泛化能力。研究结果表明：五种时频分析方法中，小波散射变换方法的准确率最高，达92.5%,且计算速度也最快，仅需144 s;另外在噪声下该方法仍可以保持较高的损伤评估准确率，具有较好的鲁棒性和泛化能力。

关键词

地震损伤评估 / RC框架结构 / 时频分析 / 一维卷积神经网络 / 贝叶斯优化