基于深度学习的工程结构损伤识别研究进展

为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述。研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络（1D-CNN）以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络（2D-CNN）表现更为出色。研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系。     

基于F⁃J⁃M法的桥梁温度与地震作用效应组合研究∗

目前铁路桥梁设计逐渐由容许应力法向极限状态法转变,而《铁路桥涵设计规范（极限状态法）》（Q/CR 9300—2018）并未提及地震作用与温度等可变作用的联合作用,给高寒高烈度区桥梁结构抗震设计带来了较大困难。为了推进桥梁以更经济的抗力方式抵御外荷载作用,通过目标可靠度指标确定其最优地震设计状况荷载组合分项系数,从而对现行桥梁设计规范抗震设计进行优化。建立了高寒地区某桥温度作用效应概率模型,使用Ferry Borges荷载组合理论探究地震和环境温度作用的效应分布特征,并基于JC 法和多灾害荷载系数设计法（MH-LRFD）建立地震、温度作用荷载系数的表达式。依托某桥梁工程实例分别探究了地震、温度以及两者共同作用下的桥梁的失效概率。研究结果表明：环境温度引起的桥梁温度内力响应、主要构件材料特性变异均能显著影响桥梁的失效概率;对于高寒大温差地区,现行规范忽略环境温度效应将显著低估桥梁在地震作用下的失效概率。本文提出的F?J?M（FerryBorges+JC+MH-LRFD）方法计算地震、温度作用组合系数,可为高寒地区桥梁抗震设计提供必要理论依据。