基于卷积神经网络和迁移学习的结构损伤识别

作者：骆剑彬; 刘越生; 姜绍飞^*; 麻胜兰

来源：福州大学学报(自然科学版), 2022, 50(04): 546-552.

• 结构健康监测
• 结构损伤识别
• 深度学习
• 卷积神经网络
• 迁移学习

针对传统基于机器学习损伤识别方法手工提取特征适应性差、识别能力弱等问题，提出一种基于卷积神经网络和迁移学习的新颖、快速结构损伤识别方法.首先根据损伤特征向量特点，提出原始信号的分帧处理流程；其次考虑多传感器数据融合要求，建立多通道一维卷积神经网络结构损伤识别模型，给出模型的整体流程和网络参数；然后采集不同通道和不同噪声水平下，模拟不同位置程度损伤的15层框架数值模型加速度数据，进行损伤识别；最后将网络模型进行迁移学习，对7层框架模型试验进行损伤识别，并验证所提方法的可行性、准确性和计算复杂性.结果表明，该方法实现了特征自适应提取、损伤位置和损伤程度的精准识别，具有突出的计算效率.

• 单位
  福建工程学院; 福建华航建设集团有限公司; 土木工程学院; 福州大学