环境温度影响下基于LSTM神经网络识别结构损伤
Structural damage identification based on LSTM neural networks under ambient temperature variations作者机构:苏州科技大学土木工程学院苏州215011
出 版 物:《计算力学学报》 (Chinese Journal of Computational Mechanics)
年 卷 期:2024年第41卷第2期
页 面:248-255页
核心收录:
学科分类:081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 080102[工学-固体力学] 0801[工学-力学(可授工学、理学学位)]
基 金:国家自然科学基金(51908395) 江苏省高等学校自然科学研究项目(19KJB580004) 江苏省研究生科研与实践创新计划项目(SJCX22_1569)资助
主 题:LSTM神经网络 结构健康监测 温度 模态频率 变分模态分解
摘 要:环境温度的改变会引起模态参数的变化,其变化程度会掩盖或部分掩盖损伤引起的变化量,导致结构健康监测系统发出假阳性或假阴性的误判,因此,消除温度效应是提高损伤识别精度的关键。本文基于LSTM神经网络提出了一种环境温度影响下识别结构损伤的方法。充分利用LSTM神经网络的非线性映射优势,建立多元温度-模态频率的相关模型,在此基础上采用数据标准化方法消除温度效应,并结合控制图判断模态频率异常变化以确定损伤状况。最后将所提方法在数值模型和实际桥梁中加以应用,结果表明,方法能够有效消除温度效应;结合控制图能识别损伤时刻,并具有一定的抗噪性;在实桥数据分析中仍能表现出较好的损伤敏感性。