基于结构动力特性的结构损伤深度置信网络分层识别研究

摘要

为了高效准确地识别结构损伤，将机器学习和智能算法相结合，提出一种基于结构动力特性的结构损伤深度置信网络分层识别方法，分层依次识别损伤位置与损伤程度。为识别损伤位置，利用结构前3阶竖向振动频率和单节点3阶模态位移建立六元向量，以此六元向量作为输入参数，通过深度置信网络识别损伤位置；为识别损伤程度，分别采用前3阶竖向振动固有频率和模态位移或6节点模态曲率差为参数输入深度置信网络识别损伤程度，并以简支梁为模型进行验证。结果表明：识别损伤位置时，即使噪声程度达到10%,仍可准确识别损伤位置；识别损伤程度时，基于6节点模态曲率差的深度置信网络抗噪性强，在15%噪声水平下对损伤程度预测最大相对误差不超过5.08%,均方差为0.487 8。与BP神经网络相比，无噪声时，BP神经网络的预测能力优于深度置信网络；相同噪声水平下，深度置信网络的预测能力明显优于BP神经网络，体现了基于结构动力特性的结构损伤深度置信网络分层识别方法鲁棒性强，识别结果精度高。

关键词

深度置信网络 / 损伤识别 / 抗噪性 / BP神经网络