基于多通道一维卷积神经网络的建筑结构损伤识别
来源：振动与冲击杂志2024年第24期北京时间：
作者：熊青松,,，熊海贝,，袁程，陈琳,，孔庆钊,
单位：1.同济大学 土木工程学院， 上海 200092；2.同济大学 土木工程防灾国家重点实验室， 上海 200092；3.香港理工大学环境与土木工程系， 香港 999077；4.广州大学工程抗震研究中心，广州 510006
摘要：面向建筑结构实际工程中监测数据获取范式以及现阶段相关数据驱动算法的局限性，提出一种基于多通道一维卷积神经网络（1D convolutional neural network,,1D CNN）的建筑结构损伤识别算法。该方法通过对建筑各楼层测点振动数据进行融合特征提取，利用多通道1D CNN隐式提取测点间拓扑关系，抽取信号高维损伤特征，从而实现建筑结构损伤的有效识别。基于IASC-ASCE benchmark模型，验证所提方法的有效性。并与传统单通道1D CNN进行对比分析，结果表明其在识别精度上实现明显提升，预测精度达0.989。同时，模型训练过程中引入监视机制，大幅提升模型训练效率，对比分析表明所提出多通道模型架构训练收敛更快，结构损伤特征抽取更为稳定。 <br>
关键词：损伤识别；一维卷积；多通道；建筑结构；深度学习
