留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于门控循环单元神经网络的箱型梁结构裂纹损伤检测方法

骆撷冬 马栋梁 张松林 王德禹

骆撷冬, 马栋梁, 张松林, 王德禹. 基于门控循环单元神经网络的箱型梁结构裂纹损伤检测方法[J]. 中国舰船研究. doi: 10.19693/j.issn.1673-3185.02415
引用本文: 骆撷冬, 马栋梁, 张松林, 王德禹. 基于门控循环单元神经网络的箱型梁结构裂纹损伤检测方法[J]. 中国舰船研究. doi: 10.19693/j.issn.1673-3185.02415
A gated recurrent unit neural network based method for box-beam crack damage detection[J]. Chinese Journal of Ship Research. doi: 10.19693/j.issn.1673-3185.02415
Citation: A gated recurrent unit neural network based method for box-beam crack damage detection[J]. Chinese Journal of Ship Research. doi: 10.19693/j.issn.1673-3185.02415

基于门控循环单元神经网络的箱型梁结构裂纹损伤检测方法

doi: 10.19693/j.issn.1673-3185.02415
基金项目: 国家级-工信部高技术船舶科研项目([2016]548)

A gated recurrent unit neural network based method for box-beam crack damage detection

  • 摘要: 【目的】随着智能船舶的发展,传统裂纹损伤检测方法难以满足检测需求。本文提出了一种基于门控循环单元(gated recurrent unit, GRU)神经网络的箱型梁结构裂纹损伤实时检测方法。 【方法】通过基于Python语言的Abaqus二次开发技术,建立箱型梁裂纹损伤模型,并计算其在动态高斯白噪声激励下的加速度响应。通过数据裁剪技术扩充原始数据生成数据集,并考虑了噪声的影响。建立基于GRU的箱型梁裂纹损伤检测模型,直接将加速度响应数据集作为输入,以最小损失函数值为目标训练模型。 【结果】与基于小波包变换的多层感知机神经网络(wavelet packet transform-based multi-layer perceptron, WPT-MLP)进行对比,本文提出的GRU模型在损伤位置和损伤长度的检测上都具有更高的检测精度,且对噪声的敏感程度更低,对损伤位置的近似预测也有较高的精度。 【结论】证明了GRU神经网络在包含多个板的箱型梁结构裂纹损伤检测中的适用性。
  • 加载中
计量
  • 文章访问数:  24
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-06-15
  • 网络出版日期:  2021-08-12

目录

    /

    返回文章
    返回