基于机器学习的桥梁损伤识别：开发与KW51桥应用
信号处理
2024-09-26 v2
摘要
civil engineering 结构损伤识别的现有工具计算成本高且数据需求大。本文提出一种综合性基于机器学习的损伤识别方法（CMLDI），集成了模态分析和动态分析策略。该方法应用于真实结构——比利时勒芬的KW51铁路桥。CMLDI综合了信号处理、机器学习（ML）和结构分析技术，以实现一个依赖最少监测数据即可完成的快速损伤识别求解器。CMLDI考虑模态分析输入和从加速度响应中提取的特征，以指导基于长期和短期监测数据的损伤识别。通过分析长期监测数据得到的运行模态分析结果，运用预训练的k近邻（kNN）分类器识别损伤的存在、位置及幅度。一套妥善设计的信号处理和机器学习方法用于分析加速度时间历程。采用堆叠门控循环单元（Stacked GRU）网络识别损伤的存在，采用kNN分类器识别损伤的幅度，采用卷积神经网络（CNN）识别损伤的位置。KW51桥的损伤识别结果表明，该方法在准确性、效率和鲁棒性方面表现出色。本工作中训练数据来源于KW51桥的传感器以及数值有限元模型（FEM）。该方法为使用经验证的FEM生成训练数据的系统路径，数据生成依赖于桥梁上损伤位置和幅度的组合建模。
引用
@article{arxiv.2408.03002,
title = {Damage identification for bridges using machine learning: Development and application to KW51 bridge},
author = {Yuqing Qiu and Bilal Ahmed and Diab W. Abueidda and Waleed El-Sekelly and Borja Garcia de Soto and Tarek Abdoun and Hongli Ji and Jinhao Qiu and Mostafa E. Mobasher},
journal= {arXiv preprint arXiv:2408.03002},
year = {2024}
}