基于卷积神经网络和交叉模型交叉模态方法的钢框架两阶段损伤识别研究

作     者：万能 黄民水 朱宏平 WAN Neng;HUANG Minshui;ZHU Hongping

作者机构：武汉工程大学土木工程与建筑学院武汉430073 华中科技大学土木与水利工程学院武汉430074 

出 版 物：《工业建筑》 (Industrial Construction)

年 卷 期：2024年第54卷第1期

页      面：123-129页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(52178300) 

主　　题：结构损伤识别 交叉模型交叉模态 卷积神经网络 两阶段方法 

摘      要：在结构损伤识别领域中,交叉模型交叉模态方法(CMCM)在求解含噪声的损伤识别问题时,受到系数矩阵不稳定的影响,往往导致损伤识别结果的精度下降。为了解决这一问题,提出了一种两阶段的损伤识别方法,旨在减少CMCM方法系数矩阵的冗余方程,提高CMCM方法的计算性能和噪声鲁棒性。首先,在第一阶段,通过卷积神经网络(CNN)进行结构损伤定位,以消除CMCM方法系数矩阵的冗余方程。其次,在第二阶段,求解已缩减的CMCM系数矩阵方程,得到更准确的损伤识别结果。通过数值和试验研究,验证了所提出的两阶段损伤识别方法的有效性,与传统的CMCM方法相比,所提方法在求解含噪声的损伤识别问题时,显著提高了损伤识别精度。