基于卷积自编码神经网络的损伤识别

邵红艳 梁李源 高士武*

（青海大学土木工程学院，青海 西宁810016）

桥梁是人们生活和生产活动中的一种重要的基础交通工程,它是一种可以帮助人们克服天然的出行障碍，例如河流、峡谷等的一种构筑物，桥梁对于有效缓解城市交通压力发挥着非常关键性的作用，它的存在保证着人们正常通行和经济的健康稳定发展。

随着经济技术的进步，现代结构设计也越来越趋向于大型化、复杂化[1]，桥梁结构的设计也是如此。据交通部发布的《2019年交通运输行业发展统计公报》，截至19 年末[2]，据统计我国全国公路桥梁的数量达到了新的高度，对2013～2019 年交通运输部发布的数据进行汇总分析，如表1 所示，可以发现：公路桥梁总数大概以每年2 万座增长，其中特大桥梁以每年400 座增长，数量增长非常迅速。

表1 2013 年～2019 年国内桥梁数量统计

桥梁结构从建成通车之日起，就处于一个相对开放的环境中，结构的安全性一直受到外界荷载、材料的老化以及地震、飓风、洪水等不可抗力因素的影响[3]。如果不能及时发现并进行必要的处理，小的可控制的损伤将不断地扩大，最后达到不可控的地步，最终将会威胁到结构的安全运营。

目前桥梁损伤健康监测技术距离实际工程应用存在较大差距的一个重要的原因是：监测系统的海量数据未能得到科学处理[4]。深度学习中的神经网络，只对数据进行处理分析，不受结构的类型和激励形式限制，充分利用响应数据，从数据中提取结构的特征，及时、准确地发现结构损伤的发生，在桥梁结构发生突发性损伤之前，能够判断出桥梁的健康状况，有利于及时采取相关的行动，可以有效的防止损伤的进一步扩展，避免引发其它不可挽回的事故。……