基于自编码神经网络的桥梁结构损伤检测研究

《基于自编码神经网络的桥梁结构损伤检测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、暨南大学硕士学位论文题名（中英对照）：基于自编码神经网络的桥梁结构损伤检测研究DamageDetectionofBridgeStructureBasedonAutoencoder作者姓名：王宇鑫指导教师姓名马宏伟及学位、职称：博士、教授学科、专业名称：建筑与土木工程学位类型：专业学位论文提交日期：论文答辩日期：答辩委员会主席：论文评阅人：学位授予单位和日期：暨南大学硕士学位论文摘要随着中国综合国力的不断增强，桥梁工程作为重要的基础设施，有了很大的发展。然而，实际桥梁由于复杂的运营环境和意外因素的存在会发生损伤，进而威胁桥梁结构安全。因此，及时诊断桥梁的结构损伤并正确评估桥梁的

2、健康状况至关重要。针对该问题，结合时下流行的大数据、人工智能的理念，通过引入合适的深度学习方法对桥梁损伤识别进行研究。文章主要从三个部分进行讨论：1.绪论部分：首先介绍了结构损伤检测的研究背景，进而在总结现今结构损伤识别方法面临的挑战并阐述未来发展趋势的基础上提出主题——基于深度学习的桥梁结构损伤识别方法。2.理论部分：阐述了人工神经网络、深度学习和自编码算法等基本理论，为本文神经网络模型搭建提供理论基础。同时引出本文对于桥梁结构损伤定位的策略——移动荷载作用下损伤识别的自编码神经网络方法。3.数值模拟与实验部分：首先，通过简支梁的数值模拟验证了该方法的操作步骤和可行性，探讨

3、了损伤程度和损伤位置对损伤识别结果的影响。继而利用海珠桥模型进行实验验证，同时探究移动荷载速度对识别结果的影响。数值模拟和实验结果均表明了所提方法的可行性与适用性，得出损伤程度、损伤位置和移动荷载速度均为该方法识别损伤的影响因素。关键词：结构损伤检测；深度学习；移动荷载；自编码神经网络I暨南大学硕士学位论文AbstractWiththesustainedpromotionofChina'scomprehensivenationalstrength,bridgeconstruction,asasignificanttypeofinfrastructure,hasaquickde

4、velopment.However,therealbridges,duetothecomplexoperatingenvironmentandtheexistenceofunexpectedfactors,maybedamagedbythevariousloads,whichisbadforthesecurityofthebridgestructure.Therefore,thetimelydiagnosisofbridgestructuredamagesandthecorrectassessmentofthehealthstatusareessential.Accordin

5、gtothisproblem,combinedwiththeideaofbigdataandartificialintelligence(AI),anappropriatemethodofDeepLearningisemployedforthebridgedamageidentification.Thisarticleismainlycomposedofthefollowingthreeparts：1.Introductionpart:Firstly,theresearchbackgroundofstructuraldamagedetectionisintroduced.Th

6、en,basedonthesummaryofthechallengesfacedbypresentmethodsofstructuraldamageidentificationanditsfuturedevelopmenttrend,anovelmethodofbridgedamageidentificationbasedonDeepLearningisproposed.2.Theoreticalpart:ThebasictheoriesofArtificialNeuralNetwork(ANN),DeepLearningandAutoencoderalgorithmaree

7、xpounded,whichprovideatheoreticalbasisfortheconstructionofANNmodelinthispaper.Atthesametime,thestrategyfordamagelocationofthebridgeisintroduced:Inthismethod,Autoencoderisutilizedfordamageidentificationofthebridgesubjectedtomovingload.3.Numericalsimulatio