[1]宋福春,杨子豪,付聿旻,等.基于LSTM神经网络和残余力向量法的结构损伤识别[J].沈阳建筑大学学报(自科版),2023,(5):872-879.[doi:10.11717/j.issn:2095-1922.2023.05.12]
点击复制
基于LSTM神经网络和残余力向量法的结构损伤识别(
)
《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]
- 卷:
-
- 期数:
-
2023年第5期
- 页码:
-
872-879
- 栏目:
-
土木工程
- 出版日期:
-
2023-10-08
文章信息/Info
- 作者:
-
宋福春; 杨子豪; 付聿旻; 崔福和; 白祥鸽
-
- 关键词:
-
结构损伤识别; LSTM神经网络; 残余力向量法; 损伤评估
- DOI:
-
10.11717/j.issn:2095-1922.2023.05.12
- 摘要:
-
目的 为减少传统残余力向量法的工作量，提高计算效率，提出一种采用LSTM神经网络与残余力向量法相结合方法。方法 以结构损伤后的残余力作为LSTM神经网络的损伤识别指标，建立输入与输出之间模型，同时运用分步损伤识别法，对可能存在损伤的结构进行判断，并通过简支梁模型进行验证。结果 LSTM神经网络对简支梁损伤情况判断较为准确，在样本数为350组的情况下，其分类准确率为97%，训练结果的均方根误差值为0.64，预测结果的最大误差为3.7%；噪声水平在10%及以下时，最大误差为6.8%，噪声水平在15%及以下时仍可对单损伤做出较为准确的判断，最大误差为9.4%，抗噪性较好。结论 所设计的基于残余力LSTM神经网络对结构损伤定位与程度识别效果较好，具有一定可行性。
更新日期/Last Update:
2023-10-08