基于CNN-GRU并联网络的海上风电支撑结构损伤识别

来源：振动与冲击杂志2024年第20期北京时间：

作者：李行健，刁延松，吕建达，侯敬儒

单位：青岛理工大学土木工程学院,山东 青岛266033

摘要：利用振动响应和深度学习进行结构损伤识别时，会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此，本文提出了一种基于卷积神经网络（Convolutional Neural Networks, CNN）-门控循环单元神经网络（Gated Recurrent Unit, GRU）并联网络的结构损伤识别新方法。首先，对响应信号进行广义S变换（Generalized S-transform, GST），得到其时频图像。然后，分别利用CNN和GRU从时频图像和响应信号中提取时频域特征和时序特征，并将时频域特征和时序特征拼接后输入全连接层和Softmax分类器中进行结构损伤识别。位移激励下的海上风电支撑结构模型试验数据验证结果表明，本文提出的方法仅需要一个测点的响应信号，与其它同类方法相比具有更高的识别准确率和效率。<br>

关键词：CNN-GRU并联网络；结构损伤识别；深度学习；海上风电支撑结构；广义S变换