利用深度学习与倒谱系数进行桥梁地震损伤评估
信号处理
2022-10-25 v1
摘要
桥梁作为生命线交通系统的重要组成部分，是韧性社区中不可或缺的元素。了解桥梁结构的功能状态至关重要，尤其是在重大地震事件之后。本研究提出用于桥梁自动化AI损伤检测的信号处理方法。利用梅尔尺度滤波器组与倒谱系数训练配备门控循环单元（GRU）层的深度学习架构，以考虑信号的时间变化。所提框架已在加州一座RC桥梁结构上验证。该桥承受180条双向地震动记录，具有采样的比例因子与六种不同截距角。与基准累积强度特征相比，梅尔滤波器组在预测临界漂移比上取得了15.5%的准确率。所开发的信号时空分析策略增强了利用深度学习监测生命线结构的损伤诊断框架的鲁棒性。
引用
@article{arxiv.2210.12173,
title = {Cepstral Coefficients for Earthquake Damage Assessment of Bridges Leveraging Deep Learning},
author = {Seyedomid Sajedi and Xiao Liang},
journal= {arXiv preprint arXiv:2210.12173},
year = {2022}
}