基于双重注意力机制-改进Inception模块的CNN模型识别框架结构损伤

来源：振动与冲击杂志2024年第23期北京时间：

作者：刘景良，吕毓霖，郑文婷，廖飞宇，陈宗燕

单位：1. 福建农林大学交通与土木工程学院， 福州350002；2. 福建理工大学土木工程学院， 福州350118；3. 福州左海建设投资有限责任公司， 福州350026

摘要：针对传统深度学习方法的网络隐含层和参数异常庞大且训练时间较长的特点，本文提出了一种基于双重注意力机制和改进Inception模块的卷积神经网络（convolutional neural network，CNN）模型来识别框架结构损伤。首先，通过局部最大值同步挤压变换将结构的振动响应信号转化为二维时频图并作为卷积神经网络的输入，然后基于改进Inception模块搭建二维卷积神经网络，最后通过双重注意力机制增强相关度高的损伤特征从而成功识别结构的损伤位置和损伤程度。通过IASC-ASCE SHM Benchmark结构I阶段数值模拟数据和卡塔尔大学看台模拟器数据集验证所提方法的有效性，研究结果表明：该方法不仅可以减少模型参数的个数和加快模型收敛速度，而且在面对框架结构多类别损伤识别问题时具有较高的准确率和较强的抗噪性能。<br>

关键词：双重注意力机制；局部最大同步挤压变换；卷积神经网络；损伤识别；框架结构