基于注意力改进卷积网络的隧道风机预埋基础损伤识别

作者：韩坤林; 汤宝平^*; 刘大洋; 邹小春

来源：振动与冲击, 2023, 42(10): 307-313.

DOI：10.13465/j.cnki.jvs.2023.10.036

• 隧道风机
• 损伤识别
• 深度学习
• 卷积神经网络
• 度量-频段注意力机制

针对隧道风机预埋基础损伤信息微弱、特征难以提取等问题，提出一种基于度量-频段注意力卷积神经网络的隧道风机预埋基础损伤识别方法。首先，通过预埋基础冲激试验的激励信号和响应信号，计算预埋基础的频率响应函数并作为损伤识别模型的输入；然后，使用多层卷积将输入的频率响应函数映射到特征空间提取损伤特征信息；再次，采用频段注意力机制对不同频段上的特征进行自适应加权融合，并采用度量损失进一步增强提取特征的可辨识性；最后，将提取的特征输入全连接层以实现预埋基础损伤识别。实测数据验证结果表明，所提方法对比现有的神经网络模型具有更高识别率，能够对隧道风机预埋基础健康状态进行有效地评估。

• 单位
  机械传动国家重点实验室; 重庆大学; 招商局重庆公路工程检测中心有限公司