基于CNN-GRU并聯(lián)網(wǎng)絡(luò)的海上風(fēng)電支撐結(jié)構(gòu)損傷識(shí)別

摘要： 利用振動(dòng)響應(yīng)和深度學(xué)習(xí)進(jìn)行結(jié)構(gòu)損傷識(shí)別時(shí)，會(huì)遇到需要較多測(cè)點(diǎn)數(shù)據(jù)、損傷識(shí)別準(zhǔn)確率不高以及網(wǎng)絡(luò)容易發(fā)生過(guò)擬合等問(wèn)題。為此，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)-門控循環(huán)單元(convolutional neural networks-gated recurrent unit, CNN-GRU)神經(jīng)網(wǎng)絡(luò)并聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別新方法。首先，對(duì)響應(yīng)信號(hào)進(jìn)行廣義S變換(generalized S-... （共9頁(yè)）

卷積神經(jīng)網(wǎng)絡(luò)-門控循環(huán)單元(CNN-GRU)并聯(lián)網(wǎng)絡(luò) 結(jié)構(gòu)損傷識(shí)別 深度學(xué)習(xí) 海上風(fēng)電支撐結(jié)構(gòu) 廣義S變換(GST)