二维CNN桥梁损伤识别

时频图高精度定位

一种基于连续小波变换与二维卷积神经网络的损伤识别新方法

陈代海 · Yunsen, Zhang · Ruizhuo, Wan · Li, Zheng · 许世展 · Chaoxu, Yang

Measurement Science and Technology 2024

技术优势

定位更准

2D-CNN对二维时频图像特征敏感，能从车辆加速度信号中准确提取损伤引起的局部变化，提高损伤定位精度。

程度也认得

在不同损伤工况下（通过降低单元刚度模拟），方法能识别出损伤位置和严重程度，为评估提供更全面信息。

实测更可行

只需采集车辆加速度响应信号，无需在桥梁上布置大量传感器，利用车致振动即可实现间接损伤识别。

应用场景

• 桥梁结构健康监测：用车辆响应间接评估桥梁状态，减少桥上传感器布设。
• 桥梁损伤识别：识别损伤位置和程度，指导维修决策。
• 车桥耦合振动分析：利用车桥耦合振动响应提取损伤特征，无需封闭交通。
• 时频图像分析：将一维振动信号转为二维时频图，放大损伤特征供CNN识别。
• 基于深度学习的损伤诊断：用2D-CNN自动学习时频图特征，减少人工解读。