循環神經網絡在結構損傷識別中的應用研究

王子凡，張健飛

（河海大學力學與材料學院，南京 211100）

隨著經濟社會的發展，我國興建了一大批重大工程結構，這些工程結構在服役的過程中，由于多種因素的影響，其結構損傷不可避免.為了不影響工程結構的安全使用，準確有效地檢測工程結構損傷尤為重要.傳統的結構損傷檢測技術有一定的局限性，而基于結構動態響應的結構損傷檢測技術是利用采集到的振動信息，對發生在結構上的損傷進行檢測，不僅不影響結構的正常使用，而且成本較低，克服了傳統檢測技術的缺點.結構振動信息包括時序信息和模態域信息，時序信息主要包括位移、加速度等，模態域信息主要包括頻率、振型、模態應變能等.目前，使用模態域數據進行損傷識別是一種比較常見的方法，該方法首先根據振動響應數據來識別結構的模態參數，然后比較結構損傷前后的模態參數［1］，或是利用神經網絡［2］及模型修正［3］等方法進行損傷檢測，但是由于很多模態域數據對損傷不敏感，故該方法有其局限性.而大多數基于時序數據的結構損傷識別方法是利用時間序列分析模型提取結構振動響應在時間域上的特征來識別結構損傷的［4］，這些方法使用的是直接測得的時序數據，不需要進行各種轉換，結構響應中與損傷有關的特征不會產生數值誤差，所以其優勢相對更加突出.

近年來，隨著深度學習的不斷發展，一些深度學習的模型，如卷積神經網絡、循……