基于声发射和卷积神经网络的混凝土桥梁损伤预测研究

作者：袁明; 王烁; 颜东煌; 刘昀; 黄练

来源：中外公路, 2022, 42(04): 69-75.

DOI：10.14048/j.issn.1671-2579.2022.04.012

• 混凝土桥梁
• 声发射
• 卷积神经网络
• BP神经网络
• 损伤识别
• 波形信号

为了有效识别混凝土桥梁结构的损伤程度，及时评估结构状态，该文基于卷积神经网络开展部分预应力混凝土斜拉桥损伤模型试验，通过试验梁不同损伤状态下的声发射波形信号，利用卷积神经网络对试验梁的损伤程度进行识别与预测。首先搭建完成了由卷积层、池化层、全连接层和一个SoftMax层组成的卷积神经网络架构；然后将试验梁分级加载至极限状态3次，获得相同加载情况下的3组声发射波形信号，将前2组声发射信号输入之前搭建的CNN模型并完成训练后，得到卷积神经网络识别系统，第3组声发射信号用于该识别系统预测试验梁的损伤状态，以验证该识别方法的有效性。研究结果表明：基于卷积神经网络与声发射技术成功预测出试验梁的损伤程度，3 104个声发射信号的综合准确率达96.71%;两层卷积层加上两层全连接层的网络架构的预测效果最优；对比传统的BP神经网络，卷积神经网络准确率高5%～10%。

• 单位
  土木工程学院; 湖南交通职业技术学院; 长沙理工大学