由于橋梁工程建設(shè)日益增多,現(xiàn)役橋梁隨著時間的推移都出現(xiàn)難以預(yù)知的安全隱患,導(dǎo)致目前橋梁安全事故頻頻出現(xiàn)人們的視野當(dāng)中。為保證橋梁工程的安全服役工作,關(guān)于橋梁損傷識別方法的研究與應(yīng)用是目前科學(xué)家和工程師的最重要課題研究之一。針對當(dāng)前橋梁損傷識別方法難以從監(jiān)測橋梁的響應(yīng)數(shù)據(jù)中獲取關(guān)鍵損傷信息的問題,本文提出基于CNN-LSTM的混合架構(gòu)神經(jīng)網(wǎng)絡(luò)的橋梁損傷識別方法對其的有效性進(jìn)行驗證。首先,文章詳細(xì)分析研究了卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）理論,結(jié)合二者能夠分別從數(shù)據(jù)中提取特征、整合特征的優(yōu)良特性,將其應(yīng)用到橋梁損傷識別方法中,充分發(fā)揮二者自身的優(yōu)勢提取橋梁損傷特征,達(dá)到損傷識別目的。而后,利用等效單元剛度降低模型模擬簡支梁橋不同損傷程度的損傷裂紋,通過數(shù)值模擬獲取網(wǎng)絡(luò)訓(xùn)練的加速度信號實(shí)驗數(shù)據(jù)。然后通過對CNN和LSTM網(wǎng)絡(luò)設(shè)計并進(jìn)行混合架構(gòu),并利用分割好的加速度信號數(shù)據(jù)集對CNN-LSTM、CNN、LSTM三種網(wǎng)絡(luò)模型進(jìn)行網(wǎng)絡(luò)訓(xùn)練以及網(wǎng)絡(luò)測試。在各種損傷工況下,CNN-LSTM對簡支梁橋進(jìn)行損傷識別效果均優(yōu)于比其他兩種單一的模型。緊接著又通過移動荷載作用下的簡支梁橋?qū)?.. 

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外結(jié)構(gòu)損傷識別方法研究現(xiàn)狀
        1.2.1 基于靜力測試的結(jié)構(gòu)損傷識別方法
        1.2.2 基于動力測試的結(jié)構(gòu)損傷識別方法
        1.2.3 基于信號處理的結(jié)構(gòu)損傷識別方法
        1.2.4 基于數(shù)據(jù)統(tǒng)計的結(jié)構(gòu)損傷識別方法
        1.2.5 基于人工智能的結(jié)構(gòu)損傷識別方法
    1.3 橋梁損傷識別方法存在的問題及預(yù)想
        1.3.1 數(shù)據(jù)采集
        1.3.2 數(shù)據(jù)處理
        1.3.3 模型構(gòu)造
        1.3.4 損傷指標(biāo)敏感度
        1.3.5 量化損傷標(biāo)準(zhǔn)
    1.4 創(chuàng)新點(diǎn)和主要內(nèi)容
        1.4.1 創(chuàng)新點(diǎn)
        1.4.2 主要工作及技術(shù)路線
第2章 人工神經(jīng)網(wǎng)絡(luò)的基本理論與應(yīng)用研究
    2.1 概述
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        2.1.2 人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)特性
    2.2 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
        2.2.1 模式識別
        2.2.2 信號處理
        2.2.3 自動控制
        2.2.4 醫(yī)學(xué)診斷
        2.2.5 損傷識別
    2.3 本章小結(jié)
第3章 卷積神經(jīng)網(wǎng)絡(luò)
    3.1 概述
    3.2 卷積神經(jīng)網(wǎng)絡(luò)原理
        3.2.1 卷積操作
        3.2.2 局部感知操作
        3.2.3 權(quán)值共享操作
        3.2.4 池化操作
        3.2.5 反向傳播操作
    3.3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.1 卷積網(wǎng)絡(luò)層
        3.3.2 池化網(wǎng)絡(luò)層
        3.3.3 批正則化網(wǎng)絡(luò)層(BN層)
        3.3.4 全連接網(wǎng)絡(luò)層
        3.3.5 激活函數(shù)層
        3.3.6 分類器
    3.4 本章小結(jié)
第4章 長短期記憶神經(jīng)網(wǎng)絡(luò)
    4.1 概述
    4.2 長短期記憶神經(jīng)網(wǎng)絡(luò)原理
        4.2.1 門控機(jī)制
        4.2.2 遺忘機(jī)制
        4.2.3 循環(huán)更新記憶機(jī)制
    4.3 長短期記憶神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.1 輸入門
        4.3.2 遺忘門
        4.3.3 記憶單元
        4.3.4 輸出門
    4.4 本章小結(jié)
第5章 簡支梁橋數(shù)值模擬的損傷識別
    5.1 概述
    5.2 模型構(gòu)設(shè)
    5.3 損傷識別
    5.4 本章小結(jié)
第6章 簡支梁橋?qū)嶒灥膿p傷識別
    6.1 概述
    6.2 簡支梁橋?qū)嶒?br>    6.3 損傷識別
    6.4 本章小結(jié)
第7章 結(jié)論和展望
    7.1 結(jié)論
    7.2 展望
參考文獻(xiàn)
致謝
作者簡介



本文編號：3655943