基于深度学习的桥梁结构动力响应损伤识别模型研究.pdfVIP

基于深度学习的桥梁结构动力响应损伤识别模型研究.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状4

1.2.1基于传统机器学习方法的结构损伤识别4

1.2.2基于深度学习方法的结构损伤识别5

1.2.3基于迁移学习方法的结构损伤识别7

1.3本文主要工作和创新点8

1.3.1主要工作9

1.3.2创新点10

1.4本文组织架构10

第二章相关理论和技术13

2.1深度学习13

2.1.1卷积神经网络14

2.1.2循环神经网络23

2.2迁移学习27

2.3本章小结29

第三章桥梁结构动力响应模型及损伤数据集构建31

3.1引言31

3.2桥梁结构有限元模型构建31

3.3车辆刚体有限元模型构建32

3.4模态分析33

3.5车桥耦合瞬态分析及损伤数据集建立36

3.6本章小结39

第四章融合注意力机制的多尺度平行CNN和BiGRU的损伤识别模型41

4.1引言41

4.2融合注意力机制的多尺度平行CNN和BiGRU网络模型41

4.2.1数据多通道融合42

4.2.2多尺度CNN模块42

4.2.3BiGRU模块42

4.2.4注意力机制模块44

4.3实验结果及分析45

4.3.1参数设置46

4.3.2简单向复杂迁移47

4.3.3复杂向简单迁移50

4.4本章小结52

第五章基于深度域适应算法的跨域损伤识别模型53

5.1引言53

5.2深度域适应算法网络模型53

5.2.1特征提取模块54

5.2.2特征匹配模块54

5.3实验结果及分析55

5.3.1参数设置55

5.3.2简单向复杂迁移56

5.3.3复杂向简单迁移59

5.4本章小结62

第六章结论与展望63

6.1结论63

6.2展望64

参考文献65

在学期间取得的科研成果71

致谢73

摘要

在当前社会经济快速进步及公路交通流量持续上升的背景下,桥梁作为交通枢

纽的重要组成部分,其功能和安全性受到了极大的关注。桥梁不仅对促进城市化进程

具有根本性的影响,而且对确保道路交通的安全与流畅起到至关重要的作用。然而,

随着桥梁的使用年限的增加以及周围环境的动态变化,桥梁结构安全逐渐成为一个

突出的问题,特别是对于那些陈旧桥梁的健康状态评估。针对传统基于结构响应的损

伤检测方法未能深入挖掘传感器监测数据潜力,无法满足桥梁监测对于高精确度和

实时性需求的问题。因此,研究并开发以数据驱动为主的桥梁结构损伤识别模型就显

得尤为重要。

本文主要研究深度学习方法在桥梁结构损伤识别中的应用,具体研究工作如下:

(1)荷载动态变化的桥梁损伤数据集构建。出于经济性和安全性的考虑,与桥

梁结构损伤有关且满足实验探索需求的数据集几乎没有,基于此,本文通过ANSYS

仿真软件构建了桥梁的四种不同损伤工况,并对每种工况在不同荷载情况下进行瞬

态分析以获取结构动力响应的加速度数据,为后文算法的探索研究奠定了数据基础。

(2)为了充分利用传感器监测数据,提出了融合注意力机制的多尺度平行CNN

和BiGRU算法模型。该模型通过使用两个平行但卷积核大小不同的CNN对输入数

据进行多尺度空间特征提取,同时,利用BiGRU对输入数据进行时间特征提取,通

过融合以上网络提取的特征信息,最终实现对输入数据的正确分类。通过消融实验表

明,本文提出的方法无论是在多尺度改进还是注意力机制融入方面,对结构损伤识别

效果都取得了不同程度的提升。

(3)考虑到结构荷载处于

文档评论(0)

营销资料库 + 关注
实名认证
文档贡献者

本账号发布文档部分来源于互联网,仅用于技术分享交流用,版权为原作者所有。 2,文档内容部分来自网络意见,与本账号立场无关。

1亿VIP精品文档

相关文档