基于多输入卷积神经网络隔震支座沉降识别

为了避免地基不均匀沉降导致隔震支座沉降以及对上部结构造成的隐性损伤,针对隔震支座沉降识别方法进行研究,提出一种基于多输入卷积神经网络(multi-input convolutional neural network,MI-CNN)的隔震支座振动信号识别模型。首先,采集隔震支座水平方向加速度和位移信号,采用归一化预处理和数据增强方法扩充样本;然后,将样本输入到所建立的网络模型中并进行训练;最后,利用完成训练的网络模型进行沉降识别。结果表明:相较于传统单输入卷积神经网络(Convolutional neural network,CNN)模型,MI-CNN模型易于训练,可最大程度地发挥CNN对沉降信号特征的提取能力,且具有更好的沉降位置识别准确率和更小的沉降程度识别误差,以及针对不均衡数据集更稳定的识别效果。研究结果可为隔震支座沉降识别提供新思路。

基于钢轨应变监测的多跨铁路简支梁桥桥墩差异沉降识别

旨在建立基于钢轨应变监测的多跨铁路简支梁桥桥墩差异沉降识别方法。首先,针对对称转角沉降模式的分析表明钢轨与梁体竖向变形具有一致性,为建立沉降致钢轨应变与桥墩差异沉降关系方程奠定了基础。其次,采用空间梁单元、实体单元、弹簧单元,结合主从自由度耦合技术,建立了某4跨铁路简支梁桥的钢轨-梁体-桥墩有限元模型。基于该模型的分析表明,轨底可测应变与桥墩差异沉降间存在显著正比例线性关系且应变绝对变化量可测。然后,通过理论推导,得到了沉降致钢轨应变与简支梁桥桥墩差异沉降量之间的解析表达式。解析式物理意义明确,表达形式简单。最后,对解析解与数值解进行了对比分析,两者变化趋势相同,解析解因未考虑外围钢轨约束、下部梁体弯曲变形等,所得结果略大于数值解。