基于门控循环单元神经网络的箱型梁结构裂纹损伤检测方法

作者：骆撷冬; 马栋梁; 张松林; 王德禹^*

来源：中国舰船研究, 2022, 17(04): 194-203.

DOI：10.19693/j.issn.1673-3185.02415

• 门控循环单元神经网络
• 箱型梁
• 裂纹检测
• 噪声

[目的]随着智能船舶的发展，传统裂纹损伤检测方法已难以满足检测需求，为此，提出一种基于门控循环单元（GRU）神经网络的箱型梁结构裂纹损伤实时检测方法。[方法]通过基于Python语言的ABAQUS二次开发技术，建立箱型梁裂纹损伤模型，计算其在动态高斯白噪声激励下的加速度响应。通过数据裁剪技术扩充原始数据之后生成数据集，并考虑噪声的影响。建立基于GRU的箱型梁裂纹损伤检测模型，直接将加速度响应数据集作为输入，以最小损失函数值为目标来训练模型，并与基于小波包变换的多层感知机神经网络（WPT-MLP）进行对比。[结果]结果显示，所提出的GRU模型在损伤位置和损伤长度的检测上相比WPT-MLP检测精度更高，对噪声的敏感程度更低，且在对损伤位置的近似预测方面精度也较高。[结论]研究证明了GRU神经网络在包含多个板的箱型梁结构裂纹损伤检测中的适用性。

• 单位
  上海交通大学; 海洋工程国家重点实验室