基于模型嵌入循环神经网络的损伤识别方法

摘要

目前，绝大多数基于深度学习的结构损伤识别方法依靠深度神经网络自动提取结构的损伤敏感特征，并通过损伤状态之间特征的差异实现模式分类识别.然而，这些方法面临着损伤量化难度大的挑战，并且需要大量的模型训练数据.本文提出基于模型嵌入循环神经网络（Model-Embedding Recurrent Neural Network,MERNN）的损伤识别方法 .首先，通过数据驱动的卷积神经网络（Convolutional Neural Network,CNN）建立荷载-响应之间的映射关系，然后，利用龙格库塔法改进传统的循环神经网络，建立基于循环神经网络架构的数值计算单元.最后，基于结构响应计算值与实测响应残差构成的损失函数与神经网络的自动微分机制来实现结构刚度参数的更新，进而实现结构损伤识别.数值模拟框架与实验室的3层剪切型框架的损伤识别结果表明，本文提出的方法能基于少量响应数据准确量化结构损伤.

关键词

循环神经网络 / 龙格库塔法 / 损伤识别

基金资助

国家重点研发计划资助项目（2023YFC3805700）; 中铁第四勘察设计院集团有限公司课题（KY2023014S,KY2023126S）; 华中科技大学交叉研究支持计划（2023JCYJ014）