结合图像编码器与2D-CNN的钢桁梁桥损伤识别

陈梦嫄; 冉志红; 潘杰

doi:10.15938/j.jhust.2025.05.003

哈尔滨理工大学学报 ›› 2025, Vol. 30 ›› Issue (05) : 27 -40. DOI: 10.15938/j.jhust.2025.05.003

结合图像编码器与2D-CNN的钢桁梁桥损伤识别

陈梦嫄, 冉志红, 潘杰

作者信息 +

Author information +

文章历史 +

摘要

针对传统机器学习难以处理长期监测下复杂数据的问题，提出了一种结合图像编码器和二维卷积神经网络(two-dimensional convolutional neural network,2D-CNN)的智能损伤识别方法。利用一座12.5 m钢桁架实验桥与其相应有限元模型展开研究，使用六种图像编码器将时程位移数据转换为等大小的图像矩阵，以矩阵作为卷积神经网络(convolutional neural network,CNN)的二维训练样本，获得损伤识别深度学习模型，以验证不同图像编码方式在损伤信息提取和模式识别的鲁棒性。结果表明，该方法相比传统的机器学习算法和一维CNN算法(onedimensional convolutional neural network,1D-CNN)，正确率提高了23.4%。通过进一步实验研究发现，格拉姆角场(gramian angular field,GAF)的稳定性与适用性最优，其损伤识别准确率达100%。