典型文献
基于LSTM神经网络的多源数据融合桥梁变形重构方法
文献摘要：
桥梁变形是桥梁状态评估的重要指标,在测量桥梁位移时,直接测量方法如LVDT、RTK-GPS、LDV等在实际应用中有很多局限性.由于从所测得的动应变中获得实时的位移模态和应变模态较为困难,而且大多数应变测量的采样频率较低,基于应变的间接桥梁变形重构方法在应用中仍存在一定的不足.提出一种基于长短时记忆(LSTM)神经网络重构桥梁变形的方法,该网络融合应变和加速度数据在训练后可以用作测量数据实时重构桥梁的变形.在应变模态、位移模态以及桥梁中性轴未知的情况下,该方法可以准确地重构变形.通过数值模拟和试验验证了重构结果的准确性,结果表明,基于LSTM的数据融合方法在不同条件下都可以实现高精度的桥梁变形重构.
文献关键词：
位移重构;数据融合;长短时记忆网络;结构健康监测;位移监测
中图分类号：
作者姓名：
张立奎;段大猷;王佐才
作者机构：
安徽省交通控股集团有限公司,合肥230088;合肥工业大学土木与水利工程学院,合肥230009;合肥工业大学安徽省基础设施安全检测与监测工程实验室,合肥230009;合肥工业大学土木工程防灾减灾安徽省工程技术研究中心,合肥230009
文献出处：
引用格式：
[1]张立奎;段大猷;王佐才-.基于LSTM神经网络的多源数据融合桥梁变形重构方法)[J].土木与环境工程学报（中英文）,2022(03):37-43
A类：
B类：
多源数据融合,桥梁变形,变形重构,重构方法,桥梁状态评估,直接测量,LVDT,RTK,GPS,LDV,动应变,位移模态,应变模态,应变测量,采样频率,网络重构,网络融合,测量数据,中性轴,数据融合方法,不同条件下,位移重构,长短时记忆网络,结构健康监测,位移监测
AB值：
0.365921
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
