桥梁建设

单位：1.西南交通大学桥梁工程系，四川 成都 610031； 2.四川省交通勘察设计研究院有限公司，四川 成都 610017

关键词：桥梁工程；卷积神经网络；长短期记忆深度网络；损伤识别；损伤程度；空间特征；时间特征；振动台试验

为准确评估桥梁结构状态，提升损伤识别效率，提出基于联合卷积神经网络（CNN）与长短期记忆（LSTM）深度网络的桥梁损伤识别方法，并用振动台试验数据进行验证。结合CNN空间特征和LSTM时间特征提取能力，构建桥梁结构损伤识别架构；提取5类时频域损伤特征，经对比分析后，采用结合平均频率和平均能量的组合特征进行损伤识别；基于振动台试验数据及其有限元模型数据识别了斜拉桥模型的损伤，并将识别结果分别与CNN、LSTM的识别结果对比。结果表明：采用联合CNN与LSTM深度网络建立的损伤识别方法可有效识别出桥梁的损伤位置和损伤程度，且偏差小，识别结果优于CNN、LSTM；未布置传感器的位置损伤识别精度较低；轻微损伤识别准确率相对较低。

来源：2023年第4期

《桥梁建设》期刊编辑部

查看桥梁建设杂志2023年第4期