基于双层深度置信网络的梁桥结构损伤识别方法研究

作者：闫嵩; 彭华春; 杨汉青^*; 何伟^*

来源：地震工程学报, 2023, 1-9.

DOI：10.20000/j.1000-0844.20220407004

• DBN
• 损伤识别
• 抗噪性
• 固有频率

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识别方法识别结果精确;当噪声程度不超过10%时,定位识别结果准确率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。

• 单位
  中铁第四勘察设计院集团公司; 中铁十六局集团有限公司; 华北水利水电大学