| 基于时频变换和卷积神经网络的结构损伤识别∗ |
| |
| 引用本文： | 李治甫,康帅,王自法,董正方,赫中营.基于时频变换和卷积神经网络的结构损伤识别∗[J].防灾减灾工程学报,2023,43(6):1275-1283. |
| |
| 作者姓名： | 李治甫 康帅 王自法 董正方 赫中营 |
| |
| 作者单位： | 河南大学土木建筑学院，河南 开封 475004;河南大学土木建筑学院，河南 开封 475004 ；中震科建（广东）防灾减灾研究院有限公司，广东 韶关 512000 |
| |
| 基金项目： | 国家自然科学基金面上项目(51978634)；河南省高等学校重点科研项目(21A560005)；河南省自然科学基金项目(222300420415)；甘肃省科技厅重大科技计划项目(19ZD2GA002)资助 |
| |
| 摘 要： | 为了解决将单传感器时域数据直接作为卷积神经网络（CNN）的输入所引起的损伤识别精度不高的问题，提出基于小波包变换（DWPT）和快速傅里叶变换（FFT）的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例，将单传感器数据样本分别进行 DWPT 和 FFT 变换，使用变换后的特征训练 1D‐CNN 网络，训练好的网络测试精度有明显的提升，其识别精度均高于多个传感器数据直接作为输入的识别精度。同时分析了对噪声样本和异源（结构上未曾参与网络训练的传感器）数据的识别情况，结果表明对含噪声样本先进行时频变换再训练网络能显著提升对噪声样本的识别精度，而且能改善训练好的网络难以对异源传感器数据进行识别的问题，最后通过卡塔尔大学看台现场试验数据进一步论证上述结论。
|
| 关 键 词： | 损伤识别 快速傅里叶变换 小波包变换 深度学习 CNN |
| 收稿时间： | 2022/10/12 0:00:00 |
| 修稿时间： | 2023/2/10 0:00:00 |
Structural Damage Identification Based on Time-frequency Transform and Convolutional Neural Network |
| |
| LI Zhifu,KANG Shuai,WANG Zif,DONG Zhengfang,HE Zhongying.Structural Damage Identification Based on Time-frequency Transform and Convolutional Neural Network[J].Journal of Disaster Prevent and Mitigation Eng,2023,43(6):1275-1283. |
| |
| Authors: | LI Zhifu KANG Shuai WANG Zif DONG Zhengfang HE Zhongying |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《防灾减灾工程学报》浏览原始摘要信息 |
| 点击此处可从《防灾减灾工程学报》下载免费的PDF全文 |
