典型文献
基于深度学习的工程结构损伤识别研究进展
文献摘要：
为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述.研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络(1D-CNN)以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络(2D-CNN)表现更为出色.研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系.
文献关键词：
工程结构;结构损伤识别;深度学习;卷积神经网络
中图分类号：
作者姓名：
李子奇;蒋柱虎;王力;张宇星;潘启仁
作者机构：
兰州交通大学 土木工程学院,甘肃 兰州730070;兰州交通大学 甘肃省道路桥梁与地下工程重点实验室,甘肃 兰州730070
文献出处：
引用格式：
[1]李子奇;蒋柱虎;王力;张宇星;潘启仁-.基于深度学习的工程结构损伤识别研究进展)[J].中国安全生产科学技术,2022(12):43-48
A类：
B类：
工程结构,结构损伤识别,轻工,运营期间,结构振动,成安,生命财产安全,振动损伤,技术展,不同深度,深度学习方法,利弊,研究及应用,开发新,数据预处理,损伤特征,一维卷积神经网络,1D,应用优势,本有,有限条件,二维卷积神经网络,2D,出色,土木,木结构,结构健康监测,研究体系
AB值：
0.321936
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。
