摘要
斜拉桥作为重要交通基础设施,长期服役易出现结构损伤,传统损伤识别方法依赖大量有标签数据且对复杂损伤模式识别能力有限。文章提出1种基于堆栈降噪自动编码器(SDAE)的深度神经网络方法,通过构建包含无标签样本的预训练库,结合分层无监督预训练(降噪自编码器)与有监督微调(Softmax分类器),降低对有标签数据的依赖。采用分步识别策略,先划分损伤模式大类(主梁、单索、双索及组合损伤),再精确定位具体损伤位置。通过有限元建模及缩尺模型桥试验验证,结果显示:SDAE在损伤模式分类和定位中均实现100%正确率(20/20工况),置信概率普遍高于90%,仅主梁定位置信度略低。研究表明:该方法通过融合无监督特征提取与有监督分类,显著提升损伤识别精度与鲁棒性,有效解决小样本场景下的复杂损伤识别难题。
作者
麻瑞昇
王旭
MA Rui-sheng;WANG Xu
出处
《建筑机械》
2025年第11期86-92,共7页
Construction Machinery
