沙 春,王文晨

针对悬臂梁的裂缝问题，利用一维卷积神经网络对加速度时程响应进行特征提取，建立解决损伤定位分类问题的模型，并对加速度的数据增强方式进行讨论。首先，对ANSYS模拟的悬臂梁添加裂缝并施加荷载，得到加速度时程响应数据；然后，尝试采用数据删减与数据偏移两种方式增强数据；最后，数据带入网络建立损伤定位模型。结果表明了使用一维卷积神经网络可以进行损伤定位并且准确率较高，而且采取的数据增强方法能显著提高模型准确性。

悬臂梁；裂缝；损伤定位；一维卷积神经网络；数据增强

[1] 何伟,何容.基于动力学特性的结构损伤识别研究进展[J].铁道建筑,2012(2):28-31. [2] 张晓东.一种基于频率变化和遗传算法的梁式结构损伤识别方法[J].重庆交通大学学报:自然科学版,2014,33(4):7-11. [3] 李浩,毋文峰,蒲云,等.基于小波包能量谱的装备悬臂梁结构损伤诊断[J].火力与指挥控制,2021. [4] 李元,冯成成.基于一维卷积神经网络深度学习的工业过程故障检测[J].测控技术,2019,38(9):36-40. [5] 杨渊,练继建,周观根,等.基于一维卷积神经网络的钢桁架结构损伤识别[J].第二十届全国现代结构工程学术研讨会论文集,2020. [6] 高昆仑,杨帅,刘思言,等.基于一维卷积神经网络的电力系统暂态稳定评估[J].电力系统自动化,2019,43(12):18-26. [7] 李雪松,马宏伟,林逸洲.基于卷积神经网络的结构损伤识别[J].振动与冲击,2019,38(1):159-167. [8] Abdeljaber O, Avci O, Kiranyaz S, et al. Real-time vibration-based structural damage detection using one-dimensional convolutional neural networks[J]. Journal of Sound and Vibration, 2017, 388: 154-170.

点击下载PDF